RU2699005C2 - Система и способ управления машинами для рандомизации и повторения заданных режимов применения сельскохозяйственного ресурса - Google Patents
Система и способ управления машинами для рандомизации и повторения заданных режимов применения сельскохозяйственного ресурса Download PDFInfo
- Publication number
- RU2699005C2 RU2699005C2 RU2017106281A RU2017106281A RU2699005C2 RU 2699005 C2 RU2699005 C2 RU 2699005C2 RU 2017106281 A RU2017106281 A RU 2017106281A RU 2017106281 A RU2017106281 A RU 2017106281A RU 2699005 C2 RU2699005 C2 RU 2699005C2
- Authority
- RU
- Russia
- Prior art keywords
- processing
- agricultural
- machine
- determining
- area
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012360 testing method Methods 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 52
- 230000009418 agronomic effect Effects 0.000 claims abstract description 24
- 238000003306 harvesting Methods 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 13
- 238000010899 nucleation Methods 0.000 claims abstract description 8
- 238000009331 sowing Methods 0.000 claims abstract 12
- 238000003971 tillage Methods 0.000 claims description 6
- 239000003337 fertilizer Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000011282 treatment Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 239000002689 soil Substances 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000000855 fungicidal effect Effects 0.000 description 1
- 239000000417 fungicide Substances 0.000 description 1
- 239000003630 growth substance Substances 0.000 description 1
- 230000002363 herbicidal effect Effects 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C15/00—Fertiliser distributors
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C7/00—Sowing
- A01C7/08—Broadcast seeders; Seeders depositing seeds in rows
- A01C7/10—Devices for adjusting the seed-box ; Regulation of machines for depositing quantities at intervals
- A01C7/102—Regulating or controlling the seed rate
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D91/00—Methods for harvesting agricultural products
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M9/00—Special adaptations or arrangements of powder-spraying apparatus for purposes covered by this subclass
- A01M9/0092—Regulating or controlling systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Soil Sciences (AREA)
- Business, Economics & Management (AREA)
- Insects & Arthropods (AREA)
- Pest Control & Pesticides (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Animal Husbandry (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- Mechanical Engineering (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Catching Or Destruction (AREA)
- Pretreatment Of Seeds And Plants (AREA)
Abstract
Изобретение относится к области сельского хозяйства. Способ содержит стадии: выбора предполагаемой обрабатывающей посевной машины и предполагаемой уборочной машины; определения, основываясь на ограничении обрабатывающей посевной машины, времени или расстояния, требуемых обрабатывающей посевной машине для обеспечения изменения норм применения дозирования, определения времени или расстояния, требуемых для сбора сельскохозяйственных ресурсов с прохождением через уборочную машину, определения минимальной площади обработки, основываясь на определенном времени или расстоянии для изменения норм применения дозирования и времени или расстояния, требуемых для сбора сельскохозяйственных ресурсов, определения отдельной площади испытательного участка путем умножения минимальной площади обработки на заданное число режимов обработки и число повторений заданного числа режимов обработки, определения предполагаемого маршрута движения выбранной предполагаемой обрабатывающей посевной машины через сельскохозяйственное угодье, определения разметки испытательного участка на сельскохозяйственном угодье, основываясь на предполагаемом маршруте движения выбранной предполагаемой обрабатывающей посевной машины, распределения случайным образом пространственного положения каждого повторяемого режима обработки и проведения дозирования, основываясь на определенной отдельной площади испытательного участка. Способ позволяет повысить урожайность с измерением на обрабатываемой площади агрономической отдачи от применения ресурсов.18 з.п. ф-лы, 9 ил.
Description
Приоритет настоящей заявки испрашивается на основании предварительно патентной заявки US 62/042555, поданной 27 августа 2014 г., содержание которой в порядке ссылки включено в настоящую заявку.
Область техники, к которой относится изобретение
Настоящее изобретение относится к управлению сельскохозяйственными угодьями, более точно, к рандомизации и повторению режимов применения сельскохозяйственных ресурсов в различных контролируемых зонах на обрабатываемой площади и количественного определения агрономической отдачи.
Предпосылки создания изобретения
В условия роста потребности в продовольственных ресурсах и сокращения общей площади пригодной для обработки земли существует потребность в способах и системах, позволяющих максимально повышать урожайность. Максимальная урожайность позволяет увеличивать производство сельскохозяйственной продукции и повышать отдачу земли в пересчете на единицу площади. Тем не менее, задача максимального повышения урожайности является сложной, требующей много времени и дорогостоящей отчасти из-за того, что характеристики обрабатываемой земли изменяются от одного участка к другому. Эта изменчивость объясняется такими факторами, как состояние почвы и топографические условия. Кроме того, сельскохозяйственное угодье может отличаться значительной изменчивостью с точки зрения содержания питательных веществ в почве, качества получаемой продукции и, в конечном итоге, урожайности.
Согласно существующей практике принято выделять сельскохозяйственные ресурсы, такие как семена и удобрения, для всего сельскохозяйственного угодья в соответствии с потребностями наиболее нуждающейся в них почвы или в соответствии с усредненными потребностями различных почв. Из-за этого почва на существенном участке может получать большее или меньшее количество примененных ресурсов, чем может эффективно использоваться на конкретных площадях для обеспечения агрономической отдачи, в результате чего происходит значительная растрата дорогостоящих сельскохозяйственные ресурсы или не реализуется потенциал урожайности.
Производители сельскохозяйственной продукции и их агрономы могут принимать более точные решения о применении ресурсов путем получения доступа к более точным данным агрономической отдачи в зависимости от местоположения. В основе принятия агрономических решений лежит экспериментальная модель, в которой учитывается урожайность и другие факторы наблюдения за небольшими участками, на которых используются различные типы обработки. Примерами служат урожайность в зависимости от норм внесения азота или норм высева. Недостатком такой модели является то, что она способна переносить данные наблюдения на небольшом участке исследовательской фермы, на производственные территории обычно с отличающимися исходными состояниями почв, урожайностью, практикой управления и т.д.
Желательно создать систему и способ рандомизации и повторения режимов применения сельскохозяйственных ресурсов в различных контролируемых зонах на обрабатываемой площади с целью измерения агрономической отдачи от применения ресурсов в нескольких различных контекстах: i) в зависимости от контролируемой зоны, ii) в зависимости от региона и iii) и в зависимости от погоды в вегетационный период.
Краткое изложение сущности изобретения
Предложена система применения сельскохозяйственного ресурса и получения сельскохозяйственной продукции в контролируемой зоне. В систему входит дозирующая система для дозирования сельскохозяйственного ресурса. С дозирующей системой оперативно соединен контроллер, сконфигурированный на изменение дозирования сельскохозяйственного ресурса из дозирующей системы в различных заданных местоположениях в пределах, по меньшей мере, одного заданного испытательного участка в контролируемой зоне на обрабатываемой площади.
Также предложен способ рандомизации и повторения заданных режимов применения сельскохозяйственного ресурса в пределах испытательного участка. Способ позволяет определять сельскохозяйственный ресурс для анализа. Определяют, по меньшей мере, две нормы применения сельскохозяйственного ресурса. Определяют число повторений, по меньшей мере, для двух норм применения сельскохозяйственного ресурса. Определяют ограничения машины, которая используется для дозирования сельскохозяйственного ресурса, и машины для сбора сельскохозяйственной продукции. Увязывают нормы применения сельскохозяйственного ресурса, число повторений норм применения сельскохозяйственного ресурса и ограничения с обрабатываемой площадью. Определяют, по меньшей мере, один испытательный участок с площадью, зависящей от числа норм применения, которые были определены, числа повторений, по меньшей мере, для двух норм применения сельскохозяйственного ресурса и ограничения оборудования. Случайным образом распределяют местоположения (требуемую площадь, определяемую ограничениями оборудования) для норм применения сельскохозяйственных ресурсов на испытательном участке. Получают данные урожайности при фактическом режиме применения сельскохозяйственного ресурса на обработанной площади испытательного участка с целью определения агрономической отдачи от режимов применения сельскохозяйственного ресурса (применимые для статистического анализа), которые могут быть агрегированы с аналогичными данными урожайности и режимов применения сельскохозяйственного ресурса на территории сельскохозяйственных угодий в других частях географического региона.
Краткое описание чертежей
На фиг. 1 проиллюстрировано общее представление трехуровневой архитектуры системы согласно настоящему изобретению и показан интерфейс пользователя, логика системы, база данных и входные и выходные данные.
На фиг. 2 проиллюстрирован скриншот для загрузки нового сельскохозяйственного ресурса в системе, показанной на фиг. 1.
На фиг. 3 проиллюстрирован скриншот для добавления направляющей линии к сельскохозяйственному ресурсу в системе, показанной на фиг. 1.
На фиг. 4 проиллюстрирован скриншот сельскохозяйственного угодья с наложенными контролируемыми зонами и целевыми совокупностями посевов в системе, показанной на фиг. 1.
На фиг. 5 проиллюстрирован скриншот для определения числа повторений для каждой целевой нормы на испытательном участке в системе, показанной на фиг. 1.
На фиг. 6 проиллюстрирован скриншот сельскохозяйственного угодья с заданными испытательными участками в системе, показанной на фиг. 1.
На фиг. 7 проиллюстрирован скриншот испытательных участков в системе, показанной на 11, и файл настройки сельскохозяйственной машины для сельскохозяйственного угодья и испытательных участков.
На фиг. 8 проиллюстрирована сельскохозяйственная машина, выполняющая описанное заданное испытание.
На фиг. 8А показан проиллюстрированный на фиг. 8 испытательный участок с тремя режимами обработки, каждый из которых многократно повторен на испытательном участке.
На фиг. 9 показана функциональная блок-схема, иллюстрирующая аппаратные компоненты контроллера сельскохозяйственной машины.
Подробное описание
Предложена интегрированная автоматизированная система 100 и способ применения глобальной системы позиционирования (GPS) для управления машинами с целью рандомизации и повторения режимов применения сельскохозяйственного ресурса или обработки 114 (сельскохозяйственных ресурсов 114) в пределах, по меньшей мере, одной контролируемой зоны сельскохозяйственного угодья 214. На фиг. 8 показана машина 220 с дозирующей системой применения сельскохозяйственных ресурсов 114 на сельскохозяйственном угодье 214. Сельскохозяйственные ресурсы 114, применение которых может регулироваться, включают посадочный материал, ирригационную воду, азот или другое вещество, улучшающее растение/почву, фунгицид, гербицид, инсектицид, пестицид, регулятор роста или их присутствие/отсутствие.
На фиг. 1 показана блок-схема системы 100 и сопровождающая конфигурация, в которой реализована описанная система 100. Предусмотрен электронный интерфейс 102 пользователя, такой как показан на фиг. 2-6, который используется для взаимодействия с логикой 104 системы, и централизованная база 116 данных для сбора, хранения и обработки данных карты сельскохозяйственного угодья 214 (сельскохозяйственного земельного участка 202), контролируемой зоны, параметров применения ресурсов и данных агрономической отдачи (например, данных производительности и урожайности).
Логика 104 системы содержит без ограничения: 1) технологию и устройства для генерирования наложенной контролируемой зоны; 2) технологию и устройства для формирования сетки (ориентированной относительно движения машины с целью оптимизации выполнения испытаний на испытательных участках); 3) технологию и устройства для согласования контролируемых зон и целевых норм применения ресурсов на испытательных участках 212; и 4) технологию и устройства для обеспечения рандомизированного пространственного расположения при каждом повторении режима применения сельскохозяйственных ресурсов 114 на каждом испытательном участке сельскохозяйственного земельного участка 202 относительно возможностей машины с целью оптимизации выполнения испытаний.
На фиг. 1 также показано взаимодействие между централизованной базой 116 данных и логикой 104 системы, когда централизованная база 116 данных отвечает на запрос о предоставлении данных логике 104 системы с целью их математических и графических преобразований и сохраняет полученные величины, генерированные логикой 104 системы. На фиг.1 также показано, как действует централизованная база 116 данных при импорте внешних данных 108, которые могут включать сведения о погоде, влажности и осадках, поступающие от поставщиков метеорологических услуг. Централизованная база 116 данных также экспортирует файл 120 настройки в машину 220 с целью обеспечения заданного режима применения сельскохозяйственных ресурсов 114 на испытательном участке, а также на других территориях сельскохозяйственного земельного участка 202.
Далее следует описание стадий работы. На фиг. 2 показан сельскохозяйственный земельный участок 202. Интерфейс 102 пользователя содержит отображение сельскохозяйственного земельного участка 202 (в виде карты), зарегистрированного в системе 100. Сельскохозяйственный земельный участок 202 может содержать одну или несколько контролируемых зон. Контролируемой зоной является часть участка с относительно однородным сочетанием ограничивающих/повышающих урожайность факторов, которому соответствует единая специфическая норма высева/культивации (например, глубина обработки почвы). Сельскохозяйственный земельный участок 202 может содержать ранее заданные или установленные контролируемой зоны и целевые популяции растений. Источником этой информации могут являться данные об урожае за предыдущие годы, а также агрономический план на текущий год, и в этом случае он извлекается логикой 104 системы из централизованной базы 116 данных с целью генерирования наложенной контролируемой зоны, а затем отображается интерфейсом 102 пользователя в виде наложенной контролируемой зоны.
Когда сельскохозяйственный земельный участок 202 зарегистрирован в системе 100, с помощью интерфейса 102 пользователя вводят в систему 100 точки 206 расположения машин или посадки за предыдущий год (смотри фиг. 3А) или направляющие линии 204 машин (хотя показана только одна направляющая линия 204 машины, специалисты, знакомые с этой технологией, согласятся с тем, что на сельскохозяйственном земельном участке 202 существует множество направляющих линий машин). Интерфейс 102 пользователя может использоваться для определения предполагаемой ориентации машин при применении соответствующих сельскохозяйственных ресурсов 114 вручную путем заданной пользователем ориентации машины 220 с использованием направляющих линий 204 или с использованием предыдущих данных о направлении движения (например, точек 206 посадки). Территории испытательного участка(-ов) 212 идеально планируются с учетом предполагаемого направления движения машин с целью оптимизации их работы. Вводимые машинные команды, такие как глубина обработки почвы, глубина посадки, угол обработки почвы, ширина разброса остатков, число зерен на единицу площади, вес зерен на единицу площади, объем на единицу площади и вес на единицу площади, могут отображаться на интерфейсе 102 пользователя. На фиг. 3А показана часть проиллюстрированного на фиг. 3 большого числа прошлогодних точек 206 посадки, наложенных на сельскохозяйственный земельный участок 202 логикой 104 системы и отображенных для пользователя на интерфейсе 102 пользователя.
После того, как зафиксирован предполагаемый маршрут движения машины 220 через сельскохозяйственное угодье 214, логика 104 системы выполняет функцию обработки данных путем наложения ранее загруженных данных о сельскохозяйственном угодье 214 (например, контролируемых зонах и целевых популяция растений) на сетку 208, как показано на фиг. 4. Логика 104 системы наносит на сетку 208 заштрихованные/окрашенные очертания различных популяций растений, которые соответствуют информации 210 о целевой популяции 210 и отображаются в правой части электронного интерфейса 102 пользователя. В этом случае для всего сельскохозяйственного земельного участка 202, на котором пользователь желает разместить испытательный участок(-ки) 212, может заранее создаваться предписанная норма применения сельскохозяйственного ресурса 114, такая как предписанная норма высева популяции (одинаковая норма для всего участка или переменная норма). При этом создаются машинные команды для всего сельскохозяйственного земельного участка 202, который был зарегистрирован в системе 100, а не только для испытательного участка(-ов) 212, как потребуется на стадии работы в полевых условиях. Как показано на фиг. 5, в левой части электронного интерфейса 102 пользователь может задавать сельскохозяйственные ресурсы 114 в соответствии с числом испытываемых норм применения ресурсов, т.е. режимами обработки. Каждый режим обработки с применением сельскохозяйственного ресурса 114 повторяется три раза или более на каждом испытательном участке 212(а)-(с). Статистическая модель в логике 104 системы произвольно выбирает пространственное расположение для повторения каждой из этих норм применения на испытательном участке с целью обеспечения достоверных данных для последующего статистического анализа.
После того, как пользователь ввел в интерфейс 102 пользователя число повторений и целевых норм применения ресурсов, пользователь может задать местоположение(-я) испытательных участков 212 в каждой контролируемой зоне. С целью получения оптимальных результатов отдельный испытательный участок 212 находится целиком в пределах одной контролируемой зоны, в результате чего испытание проводится на относительно однородной территории для сведения к минимуму отклонений других факторов за пределы испытываемых режимов обработки. В ходе этого процесса необходимо определить минимальную площадь испытательного участка. В ходе этого процесса учитываются возможности машин(-ы) 220, предназначенных для доставки сельскохозяйственных ресурсов 114 или выполнения обработки, а также сбора урожая. Такие ограничения машины 220 могут храниться в централизованной базе 116 данных и могут быть получены от изготовителя в качестве внешних данных 108 или могут быть введены пользователем в интерфейс 102 пользователя.
Логика 104 системы рассчитывает время и расстояние, которые требуются машине 220, чтобы изменить норму и начать/прекратить применение сельскохозяйственного ресурса 114 на основании ограничений машины 220 и/или ее дозирующей системы. Ограничениями может являться одно или несколько из следующего: минимальная скорость изменения дозирования сельскохозяйственного ресурса 114, быстродействие дозирующей системы машины 220, число рядов (или сопел), которым может независимо управлять дозирующая система машины 220, объем сельскохозяйственного ресурса 114, которым может независимо управлять дозирующая система машины 220, и/или измерительные способности в ходе предполагаемого сбора урожая. Все эти данные накапливаются в логике 104 системы, определяющей минимальную отдельную площадь обработки. Отдельную площадь испытательного участка 212 определяют путем умножения минимальной отдельной площади обработки на число режимов обработки, а также число повторений каждого режима обработки. Площадь испытательного участка 212 размечают применительно к предполагаемому маршруту движения через сельскохозяйственное угодье 214, исходя из сельскохозяйственного земельного участка 202. Путем выполнения статистического моделирования логика 104 системы произвольно выбирает пространственное расположение для повторения каждого режима обработки (отдельные площади обработки) с применением сельскохозяйственных ресурсов 114 на отдельном испытательном участке 212.
На фиг. 8А показан испытательный участок 212(a) с тремя нормами 230, 232 и 234 обработки с применением сельскохозяйственного ресурса 114, каждая из которых повторяется или раза или более на испытательном участке 212(a). Логика 104 системы рассчитывает время и расстояние, которые требуются машине 220, чтобы изменить норму, определяет минимальную требуемую площадь обработки, размечает площадь испытательного участка 212(a) применительно к предполагаемому маршруту движения (в этом случае под углом 10 градусов к направлению точно на север) и случайно выбирает пространственное расположение для каждого повторения режима обработки (отдельные площади обработки) с применением сельскохозяйственного ресурса 114 на отдельном испытательном участке 212(a). Создается файл 120 настройки машины для всего сельскохозяйственного земельного участка (включая все испытательные участки), который используется системой 100 в качестве внешних данных 108. На фиг. 7 показано, в какой части интерфейса 102 пользователя инициируется операция, необходимая для создания файла 120 настройки машины.
На фиг. 8 показано сельскохозяйственное угодье 214, которое соответствует сельскохозяйственному земельному участку 202, который был загружен в систему 100. Сельскохозяйственное угодье 214 имеет три контролируемые зоны 216, 217 и 218. Контролируемая зона 216 имеет два заданных испытательных участка 212(a) и 212(b), а контролируемая зона 218 имеет один заданный испытательный участок 212(c). Загружают файл 120 настройки машины в бортовой контроллер 300 машины 220, в который также поступают данные о местоположении со спутника 221 глобальной системы позиционирования. Контроллер 300 машины 220 оперативно связан с дозирующей системой, которая сконфигурирована определенным образом изменять дозирование сельскохозяйственного ресурса 114 из дозирующей системы на каждом из заданных испытательных участков 212а и 212b в контролируемой зоне 216. Машина 220 движется через сельскохозяйственное угодье 214, применяя сельскохозяйственные ресурсы 114 типичным способом, пока она не достигает испытательных участков 212(а)-(с), на которых она применяет сельскохозяйственные ресурсы 114, как определено ранее. Машиной 220 может являться любая сельскохозяйственная машина с дозирующей системой для применения сельскохозяйственных ресурсов 114, например, трактор, посадочная машина, сеялка, опрыскиватель (наземный или самолетный), поливная машина, почвообрабатывающая машина (влияние агрономической отдачи на различные режимы настройки машины), уборочная машина (влияние агрономической отдачи на различные режимы настройки машины) и т.д.
За счет этого автоматизируется процесс, и обеспечиваются рандомизированные и повторяющиеся заданные режимы обработки на испытательных участках 212 в контролируемых зонах 216-218 сельскохозяйственного угодья 214 с целью создания наборов данных агрономической отдачи от испытываемых режимов обработки, которые применимы для использования в хорошо отработанных и общепризнанных статистических анализах. Одним из простых примеров может являться анализ трех различных норм высева в контролируемой зоне 216, 217 или 218 одновременно с применением трех различных норм внесения азота (т.е. 3×3=9 уникальных режимов обработки). Если каждая перестановка повторяется три раза, на одном испытательном участке 212 потребуется случайным образом разместить 27 площадей обработки. Данные и/или результаты статистического анализа, полученные на испытательном участке 212, также могут группироваться и сравниваться на региональном уровне с результатами, полученными на других испытательных участках при наличии и отсутствии сходных фоновых условий (например, отличающегося состава контролируемых зон). Это позволяет производителям сельскохозяйственной продукции и их агрономам, например, учитывать погоду в течение вегетационного периода, которая может различаться на испытательных участках в каком-либо регионе или в различные вегетационные периоды/годы, а также другие факторы, которые могут различаться в пределах испытательного участка, такие как уровни плодородия почвы, или факторы, которые могут различаться на испытательных участках, такие как гибрид кукурузы или нормы высева.
Важно, чтобы используемая машина 220 контролировала дозирование сельскохозяйственного ресурса 114 с целью учета его применения и сопоставления предполагаемого местоположения для заданного изменения нормы дозирования сельскохозяйственного ресурса 114 с фактическим местоположением для заданного изменения нормы дозирования сельскохозяйственного ресурса 114 с тем, чтобы подтвердить успешное выполнение режимов обработки с применением сельскохозяйственного ресурса 114 на каждом испытательном участке 212. Во время сбора урожая могут в автоматическом режиме определяться и регистрироваться данные урожайности (например, объем, влажность, показатели качества, такие как содержание белка) во множестве местоположений на каждом испытательном участке 212 с использованием датчиков, установленных на уборочных машинах. Такие данные могут автоматически передаваться централизованной базе 116 данных посредством беспроводного соединения или вводиться пользователем в систему 100 посредством интерфейса 102 пользователя. Данные, полученные от каждой уборочной машины, сопоставляют в пространственном отношении с соответствующими данными фактического режима обработки. Полученный набор данных (наряду с другими агрономическими показателями, относящимися к определенной площади на испытательном участке 212), могут вводиться в статистическую модель логики 104 системы 100 и использоваться в различных процедурах статистического анализа, чтобы определять, существует ли значимое различие в агрономической отдаче между оцениваемыми режимами обработки. Это позволяет производителям сельскохозяйственной продукции и агрономам легко определять испытательные участки 212, которые отвечают расчетным критериям научного эксперимента, и выгодно использовать полученные наборы данных для анализа отдачу от различных режимов применения сельскохозяйственных ресурсов 114 с точки зрения урожайности с использованием данным, которые применимы для различных статистических анализов.
Машинами 220 могут являться посадочные машины или машины для внесения удобрений, которые способны формировать множество рядов за один проход через сельскохозяйственное угодье 214. Контроллер машины 220, выполняющий команды из файла 120 настройки машины, может изменять норму применения сельскохозяйственного ресурса 114 по мере того, как машина 220 пересекает угодье, в некоторых случаях в зоне действия машины 220; например, может изменяться норма высева в соседних рядах на испытательном участке 212(а)-(с). При сборе урожая машина 220, представляющая собой уборочную машину, может собирать данные урожайности с целью определения урожайности по всей ширине жатки. Важно, чтобы контролируемая ширина при посадке соответствовала контролируемой ширине захвата урожая (на данный момент это является одним из ограничений пространственной разрешающей способности при измерении агрономической отдачи). В ходе определения минимальной требуемой площади обработки логика 104 системы также учитывает время/расстояние, требуемое для изменений норм применения, а также время/расстояние, требуемое, чтобы сельскохозяйственная продукция (т.е. урожай) прошла через уборочную машину и датчик параметров агрономической отдачи. Эти параметры или ограничения машины 220 необходимо учитывать при планировании испытательных участков 212, чтобы повысить вероятность успеха измерения агрономической отдачи от различных режимов обработки на испытательных участках 212. Полученные данные являются крайне ценными для производителей сельскохозяйственной продукции и их агрономов.
С помощью этих собранных данных производители сельскохозяйственной продукции и их агрономы могут определять статистически значимую агрономическую отдачу от различных испытываемых режимов обработки и определять уровень(-ни) достоверности анализа, а также учитывать различия в стоимости каждого режима обработки и стоимости единицы сельскохозяйственной продукции (например, в бушелях на акр или килограммах на гектар и/или в пересчете на содержание белка).
Другим случаем применения является оценка агрономического влияния настроек машины 220, которые невозможно автоматически регулировать в условиях сельскохозяйственного угодья 214. Разметка испытательных участков 212 отличается от ранее описанной преимущественно тем, что через участок проходят повторяющиеся и рандомизированные полосы с применением различных настроек (например, глубины обработки почвы, глубины посадки). Важно отметить, что анализ данных урожайности (и документация о применении) и в этом случае относится к особым площадям в контролируемых зонах (относительно однородным площадям с минимальным отклонением агрономических показателей от испытываемых режимов обработки). При планировании испытательных участков 212 также важно учитывать измерительные способности в ходе сбора урожая.
На фиг. 9 показан один из примеров контроллера 300, который может быть соединен с шиной 320 локальной сети контроллеров в машине 220. В одном из вариантов осуществления контроллер 300 содержит процессор 302, системную память 304, внешние сетевые интерфейсы 306 и одно или несколько программно реализованных приложений и драйверов, обеспечивающих или выполняющих описанные в изобретении функции. Внешний сетевой интерфейс 306 передает данные о местоположении глобальной системы позиционирования шине 320 контроллера 300. Аппаратные средства системы включают стандартную шину 308 ввода-вывода с портами 310 ввода-вывода и соединенное с ней массовое запоминающее устройство 312 для хранения файла 120 настройки машины. Главный мост 316 связывает процессор 302 с шиной 308 ввода-вывода. Аппаратные средства системы могут дополнительно содержать видеопамять и устройство отображения, связанное с видеопамятью. Подразумевается, что эти элементы совместно отображают широкую группу компьютерных аппаратных средств, включая без ограничения компьютерные системы общего назначения на основе процессора Pentium производства компании Intel Corporation (Санта-Клара, шт. Калифорния, США), а также любого другого применимого процессора.
Элементы аппаратных средств системы выполняют свои традиционные функции, известные из техники. Массовое запоминающее устройство 312 используется для обеспечения постоянного запоминающего устройства для хранения данных и программных команд для выполнения описанных выше функций управления машиной 220, а системная память 304 (например, динамическое ОЗУ) используется для обеспечения временного запоминающего устройства для хранения данных и программных команд при их выполнении процессором 302. Порты 310 ввода-вывода представляют собой один или несколько последовательных и/или параллельных связных портов, которые используются для обеспечения связи между дополнительными периферийными устройствами, такими как системы управления/датчиков на дозирующей системе, установленной на машине 220, которая может быть связана с аппаратным обеспечением для получения данных от датчиков. Кроме того, машина 220 может иметь сеть CAN BUS для облегчения связи с машиной 220 или между машиной 220 и дозирующей системой, что позволяет управлять элементами с электронным управлением, а также регистрировать сигналы обратной связи от систем датчиков (например, норму высева в отдельном ряду).
В контроллере 300 может быть реализованы разнообразные архитектуры системы, при этом компоновка различных компонентов контроллера 300 может быть изменена. Например, в интегральную схему процессора 302 может быть встроен кэш 314. В качестве альтернативы, кэш 314 и процессор 302 могут быть скомпонованы в "процессорный модуль", при этом процессор 302 именуется "процессорным ядром". Кроме того, в некоторых разновидностях заявленных вариантов осуществления могут не требоваться и не использоваться все перечисленные компоненты. Например, в контроллер 300 могут быть включены дополнительные компоненты, такие как дополнительные процессоры, запоминающие устройства или памяти.
Хотя настоящее изобретение конкретно рассмотрено и описано со ссылкой на примеры его осуществления, специалистам в данной области техники следует учесть, что в него могут быть внесены различные изменения, замены и преобразования, не выходящие за пределы объема изобретения, охарактеризованного прилагаемой формулой изобретения и ее эквивалентами.
Claims (28)
1. Способ управления машинами для рандомизации и повторения заданных режимов применения сельскохозяйственного ресурса, содержащий стадии:
выбора предполагаемой обрабатывающей посевной машины и предполагаемой уборочной машины;
определения, основываясь на ограничении обрабатывающей посевной машины, времени или расстояния, требуемых обрабатывающей посевной машине для обеспечения изменения норм применения дозирования,
определения времени или расстояния, требуемых для сбора сельскохозяйственных ресурсов с прохождением через уборочную машину,
определения минимальной площади обработки, основываясь на определенном времени или расстоянии для изменения норм применения дозирования и времени или расстояния, требуемых для сбора сельскохозяйственных ресурсов,
определения отдельной площади испытательного участка путем умножения минимальной площади обработки на заданное число режимов обработки и число повторений заданного числа режимов обработки,
определения предполагаемого маршрута движения выбранной предполагаемой обрабатывающей посевной машины через сельскохозяйственное угодье,
определения разметки испытательного участка на сельскохозяйственном угодье, основываясь на предполагаемом маршруте движения выбранной предполагаемой обрабатывающей посевной машины,
распределения случайным образом пространственного положения каждого повторяемого режима обработки и
проведения дозирования, основываясь на определенной отдельной площади испытательного участка.
2. Способ по п. 1, в котором ограничение обрабатывающей посевной машины включает одно или более из: минимальной скорости изменения дозирования сельскохозяйственного ресурса, быстродействия дозирующей системы, числа рядов, которые способна независимо контролировать дозирующая система, и объема сельскохозяйственного ресурса, который способна независимо контролировать дозирующая система.
3. Способ по п. 1, который также содержит стадию сбора данных урожайности посредством уборочной машины.
4. Способ по п. 3, который дополнительно содержит стадию определения урожайности или параметра агрономической отдачи, основываясь на собранных данных урожайности, которые показывают агрономический ответ на по меньшей мере один режим обработки.
5. Способ по п. 4, в котором контроль посева обрабатывающей посевной машины соответствует пространственно ширине захвата урожая уборочной машиной.
6. Способ по п. 1, в котором определение минимальной площади обработки основано на ограничении уборочной машины по части ширины захвата урожая уборочной машиной.
7. Способ по п. 6, в котором ширина захвата урожая является достаточной для измеряемых данных урожайности или параметра агрономической отдачи.
8. Способ по п. 1, в котором заданное число режимов обработки равно двум.
9. Способ по п. 1, в котором заданное число режимов обработки равно трем.
10. Способ по п. 1, в котором число повторений заданного числа режимов обработки равно трем.
11. Способ по п. 1, в котором число повторений заданного числа режимов обработки равно пяти.
12. Способ по п. 1, содержащий создание данных посева по фактическому положению для дозирования на определенной отдельной площади испытательного участка.
13. Способ по п. 1, содержащий сопоставление определенного пространственного положения каждого режима обработки с фактическим положением для дозирования.
14. Способ по п. 1, дополнительно содержащий наблюдение данных урожайности в течение сбора урожая.
15. Способ по п. 14, дополнительно содержащий сопоставление наблюдаемых данных урожайности с соответствующим фактическим режимом обработки.
16. Способ по п. 14, дополнительно содержащий определение, основываясь на данных урожайности, разницы в агрономическом ответе множества режимов обработки, используя статистическое моделирование.
17. Способ по п. 1, дополнительно содержащий передачу предполагаемой посевной машине команд следования через множество точек посадки и изменения дозирования, основываясь на режимах обработки испытательного участка.
18. Способ по п. 17, в котором команды выбирают по меньшей мере одно из следующего: глубина обработки почвы, глубина посадки, угол обработки почвы, ширина разброса остатков, удобрение, гибрид семян, количество семян на площадь посева, вес семян на площадь посева, объем или вес.
19. Способ по п. 1, дополнительно содержащий отображение сельскохозяйственного угодья или его части посредством пользовательского интерфейса.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462042555P | 2014-08-27 | 2014-08-27 | |
US62/042,555 | 2014-08-27 | ||
PCT/US2015/046536 WO2016032956A1 (en) | 2014-08-27 | 2015-08-24 | System and method for controlling machinery for randomizing and replicating predetermined agronomic input levels |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2017106281A RU2017106281A (ru) | 2018-10-01 |
RU2017106281A3 RU2017106281A3 (ru) | 2019-02-12 |
RU2699005C2 true RU2699005C2 (ru) | 2019-09-02 |
Family
ID=54056284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2017106281A RU2699005C2 (ru) | 2014-08-27 | 2015-08-24 | Система и способ управления машинами для рандомизации и повторения заданных режимов применения сельскохозяйственного ресурса |
Country Status (9)
Country | Link |
---|---|
US (1) | US10123474B2 (ru) |
EP (1) | EP3185666B1 (ru) |
AU (1) | AU2015306822B2 (ru) |
BR (1) | BR112017003725A2 (ru) |
CA (1) | CA2953042C (ru) |
ES (1) | ES2768949T3 (ru) |
HU (1) | HUE048686T2 (ru) |
RU (1) | RU2699005C2 (ru) |
WO (1) | WO2016032956A1 (ru) |
Families Citing this family (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9501588B1 (en) * | 2013-10-28 | 2016-11-22 | Kenneth S. Rowe | Garden simulation |
US11089773B2 (en) | 2014-08-27 | 2021-08-17 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined argonomic input levels |
US10398096B2 (en) | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US10028451B2 (en) | 2016-11-16 | 2018-07-24 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US10194574B2 (en) | 2016-11-18 | 2019-02-05 | Cnh Industrial America Llc | System for adjusting smoothing tools of a harrow according to location |
CN111246729B (zh) * | 2017-08-21 | 2022-12-23 | 克莱米特有限责任公司 | 用于实施农田试验的农田数字建模和跟踪 |
CA3073291C (en) * | 2017-09-11 | 2023-01-17 | Farmers Edge Inc. | Generating a yield map for an agricultural field using classification and regression methods |
BR112020008086A2 (pt) | 2017-10-24 | 2020-11-03 | Basf Agro Trademarks Gmbh | método para criação de mapa de cultivo digital, mapa de cultivo digital, sistema de computador e produto de programa de computador |
US10684612B2 (en) * | 2018-10-10 | 2020-06-16 | The Climate Corporation | Agricultural management recommendations based on blended model |
CA3114934A1 (en) * | 2018-10-24 | 2020-04-30 | The Climate Corporation | Systems and methods for identifying and utilizing testing locations in agricultural fields |
US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
US10996656B2 (en) | 2018-11-08 | 2021-05-04 | Premier Crop Systems, LLC | System and method for aggregating test plot results based on agronomic environments |
WO2020132453A1 (en) * | 2018-12-20 | 2020-06-25 | The Climate Corporation | Utilizing spatial statistical models for implementing agronomic trials |
CN109857087B (zh) * | 2019-02-02 | 2022-06-14 | 卡斯柯信号有限公司 | 一种城轨区域控制器***硬件在环测试*** |
US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
US11803172B2 (en) * | 2019-05-10 | 2023-10-31 | Mjnn Llc | Efficient selection of experiments for enhancing performance in controlled environment agriculture |
JP7221827B2 (ja) * | 2019-08-09 | 2023-02-14 | ヤンマーパワーテクノロジー株式会社 | 作業情報管理装置、および作業情報管理システム |
US11266058B2 (en) | 2019-08-26 | 2022-03-08 | Deere & Company | Automated check strips |
AR120807A1 (es) * | 2019-12-19 | 2022-03-16 | Basf Agro Trademarks Gmbh | Método implementado por computadora para proporcionar datos de diseño de prueba y de instrucción de prueba para pruebas comparativas de rendimiento, margen bruto, eficacia o índices de vegetación para al menos dos productos o diferentes tiempos de aplicación del mismo producto |
US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
CN114568077B (zh) * | 2022-02-28 | 2022-12-16 | 中国农业大学 | 一种基于动态处方图的变量播种控制***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5931882A (en) * | 1993-07-29 | 1999-08-03 | Raven Industries | Combination grid recipe and depth control system |
US6236924B1 (en) * | 1999-06-21 | 2001-05-22 | Caterpillar Inc. | System and method for planning the operations of an agricultural machine in a field |
RU2265298C2 (ru) * | 2003-06-16 | 2005-12-10 | Гаджимурадов Исин Мевлютович | Способ обработки земли и агромашина |
RU2295218C1 (ru) * | 2006-03-28 | 2007-03-20 | Владимир Николаевич Воронков | Система информационного обслуживания сельскохозяйственного предприятия, использующего технологию точного земледелия |
WO2012174134A1 (en) * | 2011-06-13 | 2012-12-20 | Precision Planting, Inc. | Systems and methods for creating prescription maps and plots |
EA021521B1 (ru) * | 2009-11-27 | 2015-07-30 | Зингента Партисипейшнс Аг | Способ регуляции роста и/или усиления сельскохозяйственных растений и применение композиции для регуляции роста и/или усиления сельскохозяйственных растений |
RU2592381C2 (ru) * | 2010-12-08 | 2016-07-20 | БАЙЕР КРОПСАЙЕНС ЭлПи | Производственные базы, способы и устройство для обработки семян |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6236907B1 (en) | 1995-05-30 | 2001-05-22 | Ag-Chem Equipment Co., Inc. | System and method for creating agricultural decision and application maps for automated agricultural machines |
AU2001288334A1 (en) | 2000-08-22 | 2002-03-04 | Gary M. Schneider | System and method for developing a farm management plan for production agriculture |
US6889620B2 (en) | 2001-02-28 | 2005-05-10 | The Mosaic Company | Method for prescribing site-specific fertilizer application in agricultural fields |
US6549852B2 (en) | 2001-07-13 | 2003-04-15 | Mzb Technologies, Llc | Methods and systems for managing farmland |
US7725233B2 (en) | 2005-10-25 | 2010-05-25 | Deere & Company | Crop attribute map input for vehicle guidance |
US8319165B2 (en) | 2007-07-03 | 2012-11-27 | Holland Kyle H | Variable rate chemical management for agricultural landscapes |
US20120101784A1 (en) | 2010-10-25 | 2012-04-26 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
US8948976B1 (en) * | 2010-11-01 | 2015-02-03 | Seed Research Equipment Solutions, Llc | Seed research plot planter and field layout system |
-
2015
- 2015-08-24 BR BR112017003725A patent/BR112017003725A2/pt not_active Application Discontinuation
- 2015-08-24 US US14/833,670 patent/US10123474B2/en active Active
- 2015-08-24 HU HUE15757620A patent/HUE048686T2/hu unknown
- 2015-08-24 EP EP15757620.8A patent/EP3185666B1/en not_active Not-in-force
- 2015-08-24 AU AU2015306822A patent/AU2015306822B2/en not_active Ceased
- 2015-08-24 WO PCT/US2015/046536 patent/WO2016032956A1/en active Application Filing
- 2015-08-24 RU RU2017106281A patent/RU2699005C2/ru not_active IP Right Cessation
- 2015-08-24 ES ES15757620T patent/ES2768949T3/es active Active
- 2015-08-24 CA CA2953042A patent/CA2953042C/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5931882A (en) * | 1993-07-29 | 1999-08-03 | Raven Industries | Combination grid recipe and depth control system |
US6236924B1 (en) * | 1999-06-21 | 2001-05-22 | Caterpillar Inc. | System and method for planning the operations of an agricultural machine in a field |
RU2265298C2 (ru) * | 2003-06-16 | 2005-12-10 | Гаджимурадов Исин Мевлютович | Способ обработки земли и агромашина |
RU2295218C1 (ru) * | 2006-03-28 | 2007-03-20 | Владимир Николаевич Воронков | Система информационного обслуживания сельскохозяйственного предприятия, использующего технологию точного земледелия |
EA021521B1 (ru) * | 2009-11-27 | 2015-07-30 | Зингента Партисипейшнс Аг | Способ регуляции роста и/или усиления сельскохозяйственных растений и применение композиции для регуляции роста и/или усиления сельскохозяйственных растений |
RU2592381C2 (ru) * | 2010-12-08 | 2016-07-20 | БАЙЕР КРОПСАЙЕНС ЭлПи | Производственные базы, способы и устройство для обработки семян |
WO2012174134A1 (en) * | 2011-06-13 | 2012-12-20 | Precision Planting, Inc. | Systems and methods for creating prescription maps and plots |
Also Published As
Publication number | Publication date |
---|---|
ES2768949T3 (es) | 2020-06-24 |
US10123474B2 (en) | 2018-11-13 |
CA2953042C (en) | 2019-07-23 |
US20160057922A1 (en) | 2016-03-03 |
AU2015306822B2 (en) | 2018-11-01 |
HUE048686T2 (hu) | 2020-08-28 |
AU2015306822A1 (en) | 2017-01-12 |
RU2017106281A3 (ru) | 2019-02-12 |
BR112017003725A2 (pt) | 2017-12-26 |
EP3185666A1 (en) | 2017-07-05 |
EP3185666B1 (en) | 2019-11-13 |
RU2017106281A (ru) | 2018-10-01 |
CA2953042A1 (en) | 2016-03-03 |
WO2016032956A1 (en) | 2016-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2699005C2 (ru) | Система и способ управления машинами для рандомизации и повторения заданных режимов применения сельскохозяйственного ресурса | |
Pedersen et al. | Precision agriculture–from mapping to site-specific application | |
KR102639478B1 (ko) | 영농 시스템 | |
Mandal et al. | Precision farming for small agricultural farm: Indian scenario | |
US11716985B2 (en) | Method for remediating developmentally delayed plants | |
US20230360150A1 (en) | Computer implemented method for providing test design and test instruction data for comparative tests on yield, gross margin, efficacy or vegetation indices for at least two products or different application timings of the same product | |
CN109661979A (zh) | 一种基于精准控制作物位置的信息化种植方法 | |
Ahmad et al. | Satellite Farming | |
Ahmad et al. | Components of precision agriculture | |
US11089773B2 (en) | System and method for controlling machinery for randomizing and replicating predetermined argonomic input levels | |
CA3160531A1 (en) | Method for automated buffer zone management | |
CN111011130A (zh) | 一种基于实时检测且生长状况预估技术的小麦种植方法 | |
JP7318029B2 (ja) | 営農システム | |
US20230360149A1 (en) | Computer implemented method for providing test design and test instruction data for comparative tests for yield, gross margin, efficacy and/or effects on vegetation indices on a field for different rates or application modes of one product | |
JP2024501815A (ja) | 遠隔感知に基づく土壌パラメータを使用して種子製品及び/又は作物栄養製品を適用するための決定システム | |
Zhang | Control of Precision Agriculture Production | |
Pandey et al. | Chapter-6 Site-Specific Nutrient Management for Precision Agriculture | |
Arnó Satorra et al. | Precision Agriculture: What's behind the name? | |
Silva et al. | Field-level model approach to assess water and nutrient use efficiencies: WaterFARMING project. Report for deliverable 2.1 | |
Whelan | Site-specific Crop Management (SSCM) for Australian Gains: How to begin | |
Grigore et al. | The monitoring of the agricultural works in the precision agriculture | |
Eveleigh | 10 th Annual Symposium on Precision Agriculture Research & Application in Australasia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20200825 |