UA123762C2 - Системи та способи для управління сільськогосподарською діяльністю - Google Patents
Системи та способи для управління сільськогосподарською діяльністю Download PDFInfo
- Publication number
- UA123762C2 UA123762C2 UAA201703547A UAA201703547A UA123762C2 UA 123762 C2 UA123762 C2 UA 123762C2 UA A201703547 A UAA201703547 A UA A201703547A UA A201703547 A UAA201703547 A UA A201703547A UA 123762 C2 UA123762 C2 UA 123762C2
- Authority
- UA
- Ukraine
- Prior art keywords
- data
- field
- user
- agricultural
- computing system
- Prior art date
Links
- 230000000694 effects Effects 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 106
- 238000004891 communication Methods 0.000 claims abstract description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 142
- 239000002689 soil Substances 0.000 claims description 120
- 238000001556 precipitation Methods 0.000 claims description 87
- 241000607479 Yersinia pestis Species 0.000 claims description 78
- 238000003306 harvesting Methods 0.000 claims description 72
- 229910052757 nitrogen Inorganic materials 0.000 claims description 71
- 238000012545 processing Methods 0.000 claims description 38
- 239000003337 fertilizer Substances 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 27
- 230000012010 growth Effects 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 2
- 239000011521 glass Substances 0.000 claims description 2
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 claims 3
- 206010015995 Eyelid ptosis Diseases 0.000 claims 2
- 201000003004 ptosis Diseases 0.000 claims 2
- IJJWOSAXNHWBPR-HUBLWGQQSA-N 5-[(3as,4s,6ar)-2-oxo-1,3,3a,4,6,6a-hexahydrothieno[3,4-d]imidazol-4-yl]-n-(6-hydrazinyl-6-oxohexyl)pentanamide Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)NCCCCCC(=O)NN)SC[C@@H]21 IJJWOSAXNHWBPR-HUBLWGQQSA-N 0.000 claims 1
- 241000167854 Bourreria succulenta Species 0.000 claims 1
- 241000566113 Branta sandvicensis Species 0.000 claims 1
- 241000543381 Cliftonia monophylla Species 0.000 claims 1
- 206010012735 Diarrhoea Diseases 0.000 claims 1
- 244000287680 Garcinia dulcis Species 0.000 claims 1
- 244000068988 Glycine max Species 0.000 claims 1
- 235000010469 Glycine max Nutrition 0.000 claims 1
- 241000899793 Hypsophrys nicaraguensis Species 0.000 claims 1
- 241000102542 Kara Species 0.000 claims 1
- 241001175904 Labeo bata Species 0.000 claims 1
- 101100133904 Mus musculus Nrk gene Proteins 0.000 claims 1
- QUKDIMOBZWBSIM-UHFFFAOYSA-N OOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOO Chemical compound OOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOO QUKDIMOBZWBSIM-UHFFFAOYSA-N 0.000 claims 1
- 241000283965 Ochotona princeps Species 0.000 claims 1
- 235000009037 Panicum miliaceum subsp. ruderale Nutrition 0.000 claims 1
- 240000001987 Pyrus communis Species 0.000 claims 1
- 235000011449 Rosa Nutrition 0.000 claims 1
- YASAKCUCGLMORW-UHFFFAOYSA-N Rosiglitazone Chemical compound C=1C=CC=NC=1N(C)CCOC(C=C1)=CC=C1CC1SC(=O)NC1=O YASAKCUCGLMORW-UHFFFAOYSA-N 0.000 claims 1
- 241000838698 Togo Species 0.000 claims 1
- 108091006585 UT-B Proteins 0.000 claims 1
- 244000022185 broomcorn panic Species 0.000 claims 1
- 235000019693 cherries Nutrition 0.000 claims 1
- 230000035622 drinking Effects 0.000 claims 1
- 239000006260 foam Substances 0.000 claims 1
- 239000007789 gas Substances 0.000 claims 1
- HYIMSNHJOBLJNT-UHFFFAOYSA-N nifedipine Chemical compound COC(=O)C1=C(C)NC(C)=C(C(=O)OC)C1C1=CC=CC=C1[N+]([O-])=O HYIMSNHJOBLJNT-UHFFFAOYSA-N 0.000 claims 1
- 235000014594 pastries Nutrition 0.000 claims 1
- 238000005086 pumping Methods 0.000 claims 1
- 235000013616 tea Nutrition 0.000 claims 1
- AYEKOFBPNLCAJY-UHFFFAOYSA-O thiamine pyrophosphate Chemical compound CC1=C(CCOP(O)(=O)OP(O)(O)=O)SC=[N+]1CC1=CN=C(C)N=C1N AYEKOFBPNLCAJY-UHFFFAOYSA-O 0.000 claims 1
- 230000036541 health Effects 0.000 description 69
- 230000007613 environmental effect Effects 0.000 description 55
- 201000010099 disease Diseases 0.000 description 53
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 53
- 239000000618 nitrogen fertilizer Substances 0.000 description 45
- 239000000575 pesticide Substances 0.000 description 40
- 238000004088 simulation Methods 0.000 description 36
- 240000008042 Zea mays Species 0.000 description 35
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 35
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 35
- 235000005822 corn Nutrition 0.000 description 35
- 230000008569 process Effects 0.000 description 29
- 238000011161 development Methods 0.000 description 28
- 230000003698 anagen phase Effects 0.000 description 27
- 238000001704 evaporation Methods 0.000 description 27
- 230000008020 evaporation Effects 0.000 description 27
- 230000018109 developmental process Effects 0.000 description 26
- 238000007726 management method Methods 0.000 description 26
- 235000013339 cereals Nutrition 0.000 description 25
- 241000196324 Embryophyta Species 0.000 description 21
- 230000002354 daily effect Effects 0.000 description 18
- 238000003973 irrigation Methods 0.000 description 18
- 230000002262 irrigation Effects 0.000 description 18
- 238000010899 nucleation Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 14
- 238000003971 tillage Methods 0.000 description 14
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 13
- 239000002028 Biomass Substances 0.000 description 12
- 238000013500 data storage Methods 0.000 description 12
- 230000035945 sensitivity Effects 0.000 description 12
- 208000035240 Disease Resistance Diseases 0.000 description 11
- 230000004720 fertilization Effects 0.000 description 11
- 239000000203 mixture Substances 0.000 description 11
- 239000005416 organic matter Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000005341 cation exchange Methods 0.000 description 8
- 230000035784 germination Effects 0.000 description 8
- 230000005855 radiation Effects 0.000 description 8
- 238000002310 reflectometry Methods 0.000 description 8
- 238000005507 spraying Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000009331 sowing Methods 0.000 description 7
- UHPMCKVQTMMPCG-UHFFFAOYSA-N 5,8-dihydroxy-2-methoxy-6-methyl-7-(2-oxopropyl)naphthalene-1,4-dione Chemical compound CC1=C(CC(C)=O)C(O)=C2C(=O)C(OC)=CC(=O)C2=C1O UHPMCKVQTMMPCG-UHFFFAOYSA-N 0.000 description 6
- 241000221785 Erysiphales Species 0.000 description 6
- 241000223218 Fusarium Species 0.000 description 6
- 241000700605 Viruses Species 0.000 description 6
- 230000001580 bacterial effect Effects 0.000 description 6
- 231100000518 lethal Toxicity 0.000 description 6
- 230000001665 lethal effect Effects 0.000 description 6
- 230000000670 limiting effect Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000017074 necrotic cell death Effects 0.000 description 6
- 238000009529 body temperature measurement Methods 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 5
- 238000001035 drying Methods 0.000 description 5
- 238000009313 farming Methods 0.000 description 5
- 239000000417 fungicide Substances 0.000 description 5
- 239000003630 growth substance Substances 0.000 description 5
- 230000007774 longterm Effects 0.000 description 5
- 238000004856 soil analysis Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- PAWQVTBBRAZDMG-UHFFFAOYSA-N 2-(3-bromo-2-fluorophenyl)acetic acid Chemical compound OC(=O)CC1=CC=CC(Br)=C1F PAWQVTBBRAZDMG-UHFFFAOYSA-N 0.000 description 4
- 241000193738 Bacillus anthracis Species 0.000 description 4
- 229940100389 Sulfonylurea Drugs 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 239000012620 biological material Substances 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 230000024346 drought recovery Effects 0.000 description 4
- 239000003112 inhibitor Substances 0.000 description 4
- 238000002386 leaching Methods 0.000 description 4
- 239000000049 pigment Substances 0.000 description 4
- 230000010152 pollination Effects 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- YROXIXLRRCOBKF-UHFFFAOYSA-N sulfonylurea Chemical class OC(=N)N=S(=O)=O YROXIXLRRCOBKF-UHFFFAOYSA-N 0.000 description 4
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 4
- 241000346285 Ostrinia furnacalis Species 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000001850 reproductive effect Effects 0.000 description 3
- 239000004016 soil organic matter Substances 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 241000952610 Aphis glycines Species 0.000 description 2
- 241000239290 Araneae Species 0.000 description 2
- 241001124134 Chrysomelidae Species 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 230000009418 agronomic effect Effects 0.000 description 2
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 description 2
- 229910052921 ammonium sulfate Inorganic materials 0.000 description 2
- 235000011130 ammonium sulphate Nutrition 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- PPBAJDRXASKAGH-UHFFFAOYSA-N azane;urea Chemical compound N.NC(N)=O PPBAJDRXASKAGH-UHFFFAOYSA-N 0.000 description 2
- NGLMYMJASOJOJY-UHFFFAOYSA-O azanium;calcium;nitrate Chemical compound [NH4+].[Ca].[O-][N+]([O-])=O NGLMYMJASOJOJY-UHFFFAOYSA-O 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000004202 carbamide Substances 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 210000003608 fece Anatomy 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000001418 larval effect Effects 0.000 description 2
- 239000010871 livestock manure Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 239000003090 pesticide formulation Substances 0.000 description 2
- 230000008121 plant development Effects 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035040 seed growth Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 238000001429 visible spectrum Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241001477931 Mythimna unipuncta Species 0.000 description 1
- 241000254101 Popillia japonica Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 239000002837 defoliant Substances 0.000 description 1
- 239000002274 desiccant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000011837 pasties Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- ZZIZZTHXZRDOFM-XFULWGLBSA-N tamsulosin hydrochloride Chemical compound [H+].[Cl-].CCOC1=CC=CC=C1OCCN[C@H](C)CC1=CC=C(OC)C(S(N)(=O)=O)=C1 ZZIZZTHXZRDOFM-XFULWGLBSA-N 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- G—PHYSICS
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- General Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Environmental Sciences (AREA)
- Soil Sciences (AREA)
- Mechanical Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Environmental & Geological Engineering (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
Abstract
Спосіб, який реалізується комп'ютером для отримання даних з рекомендаціями щодо сільськогосподарської діяльності, який реалізовано з використанням сільськогосподарської інтелектуальної обчислювальної системи, що обмінюється даними із пам'яттю. Спосіб містить етапи, у яких: отримують множину даних з описом поля. Виймають множину вхідних даних у формі потоку даних із множини обчислювальних мереж. Вилучають множину вхідних даних з потоку даних та перетворюють вилучену множину вхідних даних у структурований набір даних. Визначають ділянку поля на основі даних з описом поля. Ідентифікують підмножину набору даних із цієї множини даних, пов'язаних із ділянкою поля. Визначають множину даних про польові умови на основі підмножини набору даних із множини вхідних даних та надають множину даних про польові умови на пристрій користувача. Отримують запит від пристрою користувача на введення даних, що враховують особливості поля, коли пристрій користувача фізично знаходиться на ділянці поля та, у відповідь, автоматично відображають та передають дані з описом поля, що пов'язані з даними, які стосуються ділянки поля, до пристрою користувача. Отримують дані, що враховують особливості поля, від пристрою користувача та пов'язують дані, що враховують особливості поля, з ділянкою поля. Визначення множини даних про польові умови включає етапи, у яких: ідентифікують сітку, що пов'язана з ділянкою поля, ідентифікують множину погодних станцій, пов'язану з сіткою, при цьому кожна з множини погодних станцій пов'язана з місцезнаходження погодної станції. Ідентифікують пов'язану вагу для кожної з множини погодних станцій на основі місцезнаходження кожної пов'язаної погодної станції. Отримують температуру, що зчитується від кожної з множини погодних станцій, та ідентифікують значення температури для ділянки поля на основі множини температур, що зчитуються, та кожної пов'язаної ваги.
Description
про польові умови включає етапи, у яких: ідентифікують сітку, що пов'язана з ділянкою поля, ідентифікують множину погодних станцій, пов'язану з сіткою, при цьому кожна з множини погодних станцій пов'язана з місцезнаходження погодної станції. Ідентифікують пов'язану вагу для кожної з множини погодних станцій на основі місцезнаходження кожної пов'язаної погодної станції. Отримують температуру, що зчитується від кожної з множини погодних станцій, та ідентифікують значення температури для ділянки поля на основі множини температур, що зчитуються, та кожної пов'язаної ваги.
Фіг. 1 109 ши 152 кт
Мн з 155 дня р А 4 53 б с З 156 суще ше
Ко не 1858 ць -180
І УЯщон я ! А 158 ее Ше 159 Даніпропольосюві
І 146 і ів а умови
ПИШИ і57 І 150 ще сіло подяк з І! і 145 -во й ї діяльності мі ї | «Дані з описом ще Я ! поля і Ша ра а
Зі» й ша і г 112 144 же Дапісщо враховують Н фо
І осо ливаст поля та і М ЗХ
ПО одне ща я: «а ! ! т шк Н ! вод
ОТ в ше т 135 ! І ї і ой | їв
Ще і ор : кар Е чад ; щі ит Я А й 1338 Яу ситна оо ех З САдд» о ре 15. че 17
ЗЕ 5 І 1348-7308 ! 118 ! ! є. і ще 495
МИНА КК ! у і
АН ВАНИЙ й . 133А ЩЕ Я -1З2А
МИМО МАМАМИ ой ; : У сс в ВОЗА що пу и чех,
А ААУ 134А ж--4130А
РІВЕНЬ ТЕХНІКИ
ІО001) Варіант реалізації винаходу, що описаний у даному документі загалом відноситься до сільськогосподарської діяльності, та більш конкретно - до систем та способів для управління та надання рекомендацій щодо сільськогосподарської діяльності у польових умовах на основі даних, пов'язаних із посівами, та даних про польові умови.
І0002| Сільськогосподарське виробництво потребує певної стратегії та досліджень. У більшості випадків, виробники сільськогосподарської продукції (наприклад, фермери або інші виробники, що пов'язані із вирощуванням сільськогосподарської продукції) потребують аналізу різноманітних даних для прийняття довгострокових стратегічних рішень напередодні періоду обробки посівів (наприклад, посівної). При прийняті таких стратегічних рішень виробники сільськогосподарської продукції повинні брати до уваги, щонайменше, деякі з наступних обмежуючих факторів: вартість палива та ресурсів, попередні та очікувані прогнози погоди, грунтові умови, очікувані ризики, що можуть бути заподіяні шкідниками рослин, хвороби та метеорологічні явища, а також ринкова вартість сільськогосподарської продукції (наприклад, зернових). Аналіз цих обмежуючих факторів допомагає фермеру визначити ключові умови отримання результатів сільськогосподарської діяльності, зокрема, врожайність посівів, витрачання енергії, вартість та використання ресурсів, а також рентабельність хазяйства. Такий аналіз надає фермеру інформацію для прийняття стратегічних рішень щодо вибору типу технології вирощування посівів, способів та встановлення графіків робіт. 0003) Незважаючи на його важливість, такий аналіз та стратегія складні для виконання з різних причин. По-перше, отримання достовірної інформації для різних факторів, які необхідно брати до уваги фермеру, часто є складним. По-друге, об'єднання такої інформації у прийнятний спосіб є задачею, що потребує часу. По-третє, навіть якщо дані і є доступними, це не означає, що вони мають практичне значення при визначенні подальшої стратегії. Наприклад, погодні дані (попередні та прогнозовані) часто є узагальненими для великого регіону, наприклад, округу або штату. В реальному житті, погодні умови можуть суттєво відрізнятися на більш детальному рівні, наприклад, на рівні окремого поля. Крім того, рельєф місцевості може значною мірою впливати на дані про погодні умови, навіть на невеликій ділянці.
І0004| Додатково, сільгоспвиробники часто повинні приймати рішення протягом періоду
Зо росту. Такі рішення відносяться до коригування строків сбіру врожаю, забезпечення додаткового внесення добрив та зменшення ризиків від шкідників рослин, хвороб або погодних умов. Як наслідок, фермери змушені постійно контролювати різноманітні аспекти, що стосуються посівів, протягом періоду росту, зокрема, погодні умови, грунтові умови та стан посівів. Точний контроль усіх цих параметрів на детальному рівні є дуже складним та потребує багато часу. Відповідно, потрібні способи та системи для аналізу даних, що пов'язані з посівами, забезпечення необхідних польових умов та рекомендацій щодо максимального збільшення врожаю.
Завданням винаходу є підвищення точності вимірювання температури та врахування даних про рельєф для надання даних з рекомендаціями щодо сільськогосподарської діяльності через мережеву система отримання даних з рекомендаціями щодо сільськогосподарської діяльності.
Додатковим завданням є підвищення точності рекомендацій щодо сільськогосподарської діяльності за рахунок врахування обчислювальною системою даних з описом поля та даних, що враховують особливості поля, які не потрапили напряму до обчислювальної системи.
КОРОТКИЙ ОПИС ВИНАХОДУ
І0005) В одному аспекті, пропонується реалізований на комп'ютері спосіб для забезпечення рекомендацій щодо сільськогосподарської діяльності. Спосіб реалізовано у вигляді інтелектуальної обчислювальної системи, що обмінюється даними з пам'яттю. Спосіб містить отримання множини даних з описом поля, вилучення множини вхідних даних із множини обчислювальних мереж, визначення ділянки поля на основі даних з описом поля, ідентифікацію підмножини набору даних із цієї множини вхідних даних, пов'язаної з ділянкою поля, визначення множини даних про польові умови на основі підмножини набору даних із множини вхідних даних, ідентифікацію множини варіантів вибору сільськогосподарської діяльності, визначення рекомендаційної оцінки для кожної з множини варіантів вибору сільськогосподарської діяльності на основі щонайменше частково, множини даних про польові умови, та надання рекомендованих варіантів вибору сільськогосподарської діяльності з множини варіантів вибору сільськогосподарської діяльності на основі множини рекомендаційних оцінок.
І0006| В іншому аспекті, пропонується мережева інтелектуальна сільськогосподарська обчислювальна система для забезпечення рекомендацій щодо сільськогосподарської діяльності Мережева інтелектуальна сільськогосподарська система містить пристрій 60 користувача, множину обчислювальних систем обчислювальних мереж, інтелектуальну сільськогосподарську обчислювальну систему, що містить процесор та пам'ять, що обмінюється даними з процесором. Процесор виконаний із можливістю отримання від пристрою користувача множини даних з описом поля, виймання множини вхідних даних із множини обчислювальних мереж, визначення ділянки поля на основі даних з описом поля, ідентифікації підмножини набору даних із цієї множини даних, пов'язаної із ділянкою поля, визначення множини даних про польові умови на основі підмножини набору даних із множини вхідних даних, визначення множини варіантів видів діяльності у польових умовах, визначення рекомендаційної оцінки для кожної із множини варіантів видів діяльності у польових умовах на основі, щонайменше частково, множини даних про польові умови, та забезпечення рекомендацій щодо варіантів видів діяльності у польових умовах із множини варіантів видів діяльності у польових умовах на основі множини рекомендаційних оцінок.
І0007| В додатковому аспекті, пропонується машинопрочитуваний носій даних для надання рекомендацій щодо сільськогосподарської діяльності. Машинопрочитуваний носій даних містить реалізовані на ньому інструкції, що виконуються на комп'ютері. При виконанні, щонайменше, на одному процесорі інструкції, що виконуються на комп'ютері, спонукають процесор на отримання множини даних з описом поля, виймання множини вхідних даних із множини обчислювальних мереж, визначення ділянки поля на основі даних з описом поля, ідентифікацію підмножини набору даних із цієї множини даних, пов'язаної з ділянкою поля, визначення множини даних про польові умови на основі підмножини набору даних із множини вхідних даних, визначення множини варіантів видів діяльності у польових умовах, визначення рекомендаційної оцінки для кожної із множини варіантів видів діяльності у польових умовах на основі, щонайменше частково, множини даних про польові умови, та забезпечення рекомендованих варіантів видів діяльності у польових умовах із множини варіантів вибору діяльності у польових умовах на основі множини рекомендаційних оцінок.
ЇО008| У додатковому аспекті, пропонується сільськогосподарська інтелектуальна обчислювальна система. Сільськогосподарська інтелектуальна обчислювальна система містить процесор та пам'ять, що обмінюється даними з процесором. Процесор виконаний із можливістю отримання від пристрою користувача множини даних з описом поля, виймання множини вхідних даних із множини обчислювальних мереж, визначення ділянки поля на основі даних з описом поля, ідентифікації підмножини набору даних із цієї множини даних, пов'язаної з ділянкою поля, визначення множини даних про польові умови на основі підмножини набору даних із множини вхідних даних та забезпечення множини даних про польові умови на пристрої користувача.
КОРОТКИЙ ОПИС ГРАФІЧНИХ МАТЕРІАЛІВ
ІЇ0009| На Фіг. 1 зображена діаграма, що відображає приклад сільськогосподарського середовища, що містить множину полів, які контролюються та керуються за допомогою сільськогосподарської інтелектуальної обчислювальної системи, яка використовується для керування та надання рекомендацій щодо сільськогосподарської діяльності.
І00101 На Фіг. 2 зображена структурна схема обчислювального пристрою користувача, що використовується для керування та надання рекомендацій щодо сільськогосподарської діяльності, як ображено у сільськогосподарському середовищі на фіг. 1;
ЇОО11| На Фіг. 3 зображена структурна схема обчислювального пристрою, що використовується для керування та надання рекомендацій щодо сільськогосподарської діяльності, як зображено у сільськогосподарському середовищі на фіг. 1;
І00121| На Фіг. 4 зображено приклад блок-схеми потоків даних при керуванні та наданні рекомендацій щодо сільськогосподарської діяльності з використанням обчислювальних пристроїв, зображених на Фіг. 1, 2 та З у сільськогосподарському середовищі, що зображене на
Фіг. 1;
ІЇ0013| На Фіг. 5 зображений приклад способу для керування сільськогосподарською діяльністю у сільськогосподарському середовище на Фіг. 1;
І0014| На Фіг. б зображений приклад способу для надання рекомендацій щодо сільськогосподарської діяльності у сільськогосподарському середовище на Фіг. 1;
ЇО015| На Фіг. 7 зображено діаграму прикладу обчислювального пристрою, що використовується у сільськогосподарському середовище на Фіг. 1 для надання рекомендацій та керування сільськогосподарською діяльністю; та
ІЇО016Ї На Фіг. 8-30 зображені приклади відображення інформації, яку забезпечує сільськогосподарська інтелектуальна обчислювальна система, яка зображена на Фіг. 3, на пристрої користувача, згідно Фіг. 2, для забезпечення керування та надання рекомендацій щодо сільськогосподарської діяльності.
І0017| Незважаючи на те, що характерні особливості різноманітних варіантів реалізації бо винаходу можуть бути зображені на деяких графічних матеріалах та не зображені на інших, це зроблено виключно для зручності. Будь-які особливості будь-яких графічних матеріалів можуть посилатися та/або бути заявлені у комбінації з будь-якими іншими графічними матеріалами.
ДЕТАЛЬНИЙ ОПИС ВИНАХОДУ
0018) Наступний детальний опис варіантів реалізації винаходу відноситься до графічних матеріалів, що додаються. Ті самі умовні позначки на різних графічних матеріалах можуть позначати ті самі або аналогічні елементи. Крім того, наступний детальний опис не обмежує формулу винаходу.
І0019| Предмет винаходу, що описаний у даному документі, загалом відноситься до керування та надання рекомендацій щодо сільськогосподарської діяльності для користувача, наприклад, сільгоспвиробника або фермера. Головним чином, перший варіант реалізації способів та систем, що описані у даному документі, містять () отримання множини даних з описом поля, (ії) виймання множини вхідних даних із множини обчислювальних мереж, (її) визначення ділянки поля на основі даних з описом поля, (ім) ідентифікацію підмножини набору даних із цієї множини даних, пов'язаної з ділянкою поля, (м) визначення множини даних про польові умови на основі підмножини набору даних із множини вхідних даних, та (мі) надання множини даних про польові умови на пристрій користувача.
І0020| Другий варіант реалізації способів та систем, що описаний у даному документі, містить () отримання множини даних з описом поля, (ії) виймання множини вхідних даних із множини обчислювальних мереж, (ії) визначення ділянки поля на основі даних з описом поля, (ім) ідентифікацію підмножини набору даних із цієї множини даних, пов'язаної з ділянкою поля, (м) визначення множини даних про польові умови на основі підмножини набору даних із множини вхідних даних, (мі) визначення множини видів діяльності у польових умовах, (мії) визначення рекомендаційної оцінки для кожної із множини варіантів видів діяльності у польових умовах на основі, щонайменше частково, множини даних про польові умови, та (мії) надання рекомендованих варіантів видів діяльності у польових умовах із множини видів діяльності у польових умовах на основі множини рекомендаційних оцінок.
Ї0021| Щонайменше, у деяких сільськогосподарських середовищах (наприклад, уУ фермерських господарствах або у комплексі фермерських господарств та інших середовищах вирощування сільськогосподарської продукції), виробники сільськогосподарської продукції
Зо використовують певні стратегії та дослідження при прийнятті рішень щодо вирощування сільськогосподарської продукції. У більшості випадків, сільгоспвиробники аналізують різноманітні дані для прийняття довгострокових стратегічних рішень напередодні періоду вирощування врожаю (наприклад, посівної). При прийняті таких стратегічних рішень виробники сільськогосподарської продукції повинні брати до уваги, щонайменше, деякі з наступних обмежуючих факторів: вартість палива та ресурсів, попередні та очікувані прогнози погоди, грунтові умови, очікувані ризики, що можуть бути заподіяні шкідниками рослин, хвороби та метеорологічні явища, а також ринкова вартість сільськогосподарської продукції (наприклад, зернових). Аналіз цих обмежуючих факторів допомагає фермеру визначити ключові умови отримання результатів сільськогосподарської діяльності, зокрема, врожайність посівів, витрачання енергії, вартість та використання ресурсів, а також рентабельність хазяйства. Такий аналіз надає фермеру інформацію для прийняття стратегічних рішень щодо вибору типу технології вирощування посівів, способів та встановлення графіків робіт. Незважаючи на його важливість, такий аналіз та стратегія складні для виконання з різних причин. По-перше, отримання достовірної інформації для різних факторів, які необхідно брати до уваги фермеру, часто є складним. По-друге, об'єднання такої інформації у прийнятний спосіб є задачею, що потребує часу. По-третє, навіть якщо дані і є доступними, це не означає, що вони мають практичне значення при визначенні подальшої стратегії. Наприклад, погодні дані (попередні та прогнозовані) часто є узагальненими для великого регіону, наприклад, округу або штату. В реальному житті, погодні умови можуть суттєво відрізнятися на більш детальному рівні, наприклад, на рівні окремого поля. Рельєф місцевості може значною мірою впливати на дані про погодні умови, навіть на невеликій ділянці.
І0022| Додатково, сільгоспвиробники часто повинні приймати рішення протягом періоду росту. Такі рішення відносяться до коригування строків сбіру врожаю, забезпечення додаткового внесення добрив та зменшення ризиків від шкідників рослин, хвороб або погодних умов. Як наслідок, фермери змушені постійно контролювати різноманітні аспекти, що стосуються посівів, протягом періоду росту, зокрема, погодні умови, грунтові умови та стан посівів. Точний контроль усіх цих параметрів на детальному рівні є дуже складним та потребує багато часу. Відповідно, потрібні способи та системи для аналізу даних, що пов'язані з посівами, забезпечення необхідних польових умов та рекомендацій щодо максимального збільшення врожаю. Таким чином, системи та способи, що описані у даному документі, забезпечують керування та надання рекомендацій щодо сільськогосподарської діяльності для фермерів. 0023) У контексті даного документу, термін "сільськогосподарські інтелектуальні послуги" означає множину постачальників даних, що допомагають користувачеві (наприклад, фермеру, агроному або експерту) у керуванні сільськогосподарськими послугами та забезпечують надання рекомендацій користувачеві щодо сільськогосподарських послуг. В контексті даного документу, термін "сільськогосподарська інтелектуальна послуга", "обчислювальна мережа", "служба даних", "постачальник даних" та "джерело даних" використовуються як взаємозамінні, якщо не вказано інше. У інших варіантах реалізації винаходу, сільськогосподарська інтелектуальна послуга є зовнішньою обчислювальною мережею (наприклад, системою стороннього виробника). У контексті даного документа, дані, що надаються будь-якими "сільськогосподарськими інтелектуальними послугами" або "обчислювальними мережами" можуть називатися "вхідні дані", або "первинні дані".
І0024| У контексті даного документа, термін "сільськогосподарська інтелектуальна обчислювальна система" означає комп'ютерну систему, виконану із можливістю здійснювати способи, що описані у даному документі. Сільськогосподарська інтелектуальна обчислювальна система з'єднана за допомогою мережі з "пристроєм користувача" (наприклад, настільним комп'ютером, ноутбуком, смартфоном, КПК, планшетом або іншим обчислювальним пристроєм) та множиною джерел даних. В варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська інтелектуальна обчислювальна система надає сільськогосподарські інтелектуальні послуги, використовуючи хмарну модель програмного забезпечення як послуги (Загаб5). Таким чином, сільськогосподарська інтелектуальна обчислювальна система може бути реалізована з використанням різноманітних окремих обчислювальних пристроїв. Пристрій користувача може взаємодіяти з сільськогосподарською інтелектуальною обчислювальною системою з використанням відповідної мережі.
І0025| В варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська машина (наприклад, комбайн, трактор, культиватор, плуг, глибокорозпушувач, розпилювач або інше обладнання, що використовуються на фермі для допомоги у сільському господарстві) можуть бути підключені до обчислювального пристрою
Зо ("обчислювального пристрою сільськогосподарської машини"), що взаємодіє з сільськогосподарською інтелектуальною обчислювальною системою тим самим чином, як і пристрій користувача. У деяких прикладах, обчислювальний пристрій сільськогосподарської машини є монітором сівалки, датчиком роботи сівалки або монітором намолоту.
Сільськогосподарська машина та обчислювальний пристрій сільськогосподарської машини забезпечують сільськогосподарську інтелектуальну обчислювальну систему даними з описом поля та даними, що враховують особливості поля.
І0026| Терміном "дані з описом поля" називають ідентифікатори поля, ідентифікатори місцезнаходження, ідентифікатори меж поля, ідентифікатори посіву та будь-які інші відповідні дані, що використовуються для ідентифікації землі фермерського господарства, наприклад, одиниця суспільної землі (СІ), номер лота та блока, номер земельної ділянки, географічні координати та кордони, серійний номер господарства (Е5М), номер господарства, номер ділянки, номер поля, ділянку у 640 акрів (2,89 кв. км.), ділянку у 36 квадратних миль (93,3 кв. км), та/або протяжність. Відповідно вимог Управління обслуговування фермерів Міністерства сільського господарства США (БОА) СО є найменшою одиницею землі, що має постійні нерозривні межі, суспільну захисну огорожу та управління землею, суспільного власника та суспільного постачальника у сільськогосподарській землі, що пов'язана з програмами для фермерів ОБОА. Межі СІ Ш відділені від відносно постійних елементів, таких, як ліній огорожі, доріг та/"або водних шляхів. Управління обслуговування фермерів ОБОА підтримує базу даних географічної інформаційної системи (015), що містить інформацію про СО для господарств у
США.
І0027| Якщо дані з описом поля та дані, що враховують особливості поля не потрапляють напряму до сільськогосподарської інтелектуальної обчислювальної системи за допомогою однієї чи більше машин або пристроїв сільськогосподарських машин, що взаємодіють із сільськогосподарською інтелектуальною обчислювальною системою, користувачеві може бути наданий запит на введення такої інформації за допомогою одного чи більше інтерфейсів користувача на пристрої користувача (який обслуговується сільськогосподарською інтелектуальною обчислювальною системою). У варіанті реалізації винаходу, що наводиться у якості прикладу, користувач може ідентифікувати дані з описом поля за допомогою доступу до мапи на пристрої користувача (яка обслуговується сільськогосподарською інтелектуальною 60 обчислювальною системою) та вибрати певну СІ Ш, що графічно відображається на мапі. В альтернативному варіанті реалізації винаходу, користувач може ідентифікувати дані з описом поля за допомогою доступу до мапи на пристрої користувача (який обслуговується сільськогосподарською інтелектуальною обчислювальною системою), намалювавши межі ділянки зверху на мапі. Такий вибір СІ. або малювання на мапі відображає географічні ідентифікатори. В альтернативному варіанті реалізації винаходу, користувач може ідентифікувати дані з описом поля за допомогою доступу до даних з описом поля (які надаються у вигляді векторних файлів або у аналогічному форматі) від Управління обслуговування фермерів Міністерства сільського господарства США або іншого джерела за допомогою пристрою користувача, та надати дані з описом поля сільськогосподарській інтелектуальній обчислювальній системі. Земля, яку ідентифіковано за допомогою "даних з описом поля", може називатися "поле" або "земельна ділянка". У контексті даного документу, земля, що виділена для сільського господарства, або "земельна ділянка площею 40 акрів (0,16 кв. км.)» знаходиться у межах області, що називається "ділянка поля". Така "ділянка поля" може мати однакову протяжність, наприклад, сітки температур або сітки опадів, як використовується та пояснюється нижче. (0028) Термін "дані, що враховують особливості поля" означає (а) дані про поле (наприклад, назва поля, тип грунту, площа землі в акрах, стан обробки, стан зрошування), (б) дані про сбір врожаю (наприклад, тип посіву, сорти сільськогосподарських культур, сівозміна, чи вирощувалися посіви органічно, дата сбіру врожаю, фактичні показники врожайності (АРН), планова врожайність, врожайність, вартість посіву, доходи від врожаю, вологість зернових, прийоми механічної обробки, інформація про погодні умови (наприклад, температуру, кількість опадів) у розмірі, який підтримується або доступний користувачеві, інформація про попередні періоди росту), (с) склад грунту (наприклад, рН, органічні речовини (ОМ), обмінна ємність катіонів (СЕС)), (4) дані про саджання (наприклад, дата саджання, тип зернових, відносний розвиток (КМ) посаджених зернових, щільність саджання), (е) дані по азотним добривам (наприклад, дата внесення, об'єм, джерело), () дані про пестициди (наприклад, пестициди, гербіциди, фунгіциди, інші речовини або суміші речовин, що використовуються у якості регуляторів росту, дефоліанту або десіктанту), (9) дані про зрошення (наприклад, дата застосування, об'єм, джерело), та (п) розвідувальні спостереження (знімки, відео, записи у
Зо вільній формі, голосові записи, розшифрування записів, погодні умови (температура, опади (поточні та на протязі певного періоду часу), вологість грунту, фаза росту посіву, швидкість вітру, відносна вологість, точка роси, шар черні)). Якщо дані, що враховують особливості поля, не надані за допомогою однієї чи більше сільськогосподарських машин, або пристроями сільськогосподарської машини, які взаємодіють із сільськогосподарською інтелектуальною обчислювальною системою таким самим чином, як і пристрій користувача, користувач може надати такі дані сільськогосподарській інтелектуальній обчислювальній системі за допомогою пристрою користувача. Іншими словами, користувач отримує доступ до сільськогосподарської інтелектуальної обчислювальної системи за допомогою пристрою користувача та надає дані, що враховують особливості поля.
І0029| Сільськогосподарська інтелектуальна обчислювальна система також використовує дані про навколишнє середовище для надання сільськогосподарських інтелектуальних послуг.
Термін "дані про навколишнє середовище" означає інформацію, що відноситься до навколишнього середовища, пов'язану з господарською діяльністю, наприклад, інформацію про погоду, інформацію про зростання та розвиток посівів, інформацію про насіння, інформацію про шкідників та хвороби, та інформацію про грунт. Дані про навколишнє середовище можуть бути отримані з зовнішніх джерел даних, доступ до яких має сільськогосподарська інтелектуальна обчислювальна система. Дані про навколишнє середовище також можуть бути отримані з внутрішніх джерел даних, що інтегровані з сільськогосподарською інтелектуальною обчислювальною системою. Джерела даних для даних про навколишнє середовище містять джерела метеорологічних радіолокаційних станцій, джерела супутникових даних про опади, джерела метеорологічних даних (наприклад, погодні станції), джерела супутникових зображень, джерела аерофотозйомки (наприклад, літаки, безпілотні летальні апарати), джерела наземних зображень (наприклад, сільськогосподарські машини, безпілотні наземні транспортні засоби), джерела та бази даних про грунт, бази даних про зернові, джерела та бази даних про фенологію посіву, та звіти про шкідників і хвороби, та прогностичні джерела та бази даних.
Наприклад, база даних про грунт може встановити співвідношення між типом грунтів і їх місцезнаходженням та даними про грунт, включаючи рівні рН, вміст органічних речовин, та обмінну ємність катіонів. Незважаючи на те, що у багатьох прикладах користувач може отримати доступ до джерел даних опосередковано, за допомогою сільськогосподарської інтелектуальної обчислювальної системи, в інших прикладах користувач може безпосередньо отримати доступ до джерел даних за допомогою будь-якого відповідного мережевого з'єднання.
Ї0ООЗОЇ| Сільськогосподарська інтелектуальна обчислювальна система обробляє множину даних з описом поля, даних, що враховують особливості поля, та даних про навколишнє середовище від множини джерел даних для надання користувачеві множини даних про польові умови, що відносяться до поля, або ділянки поля, що ідентифіковані за допомогою даних з описом поля. Термін "дані про польові умови" означає характеристики та умови на полі, які використовуються сільськогосподарською інтелектуальною обчислювальною системою для керування та надання рекомендацій щодо сільськогосподарської діяльності. Дані про польові умови можуть містити, крім іншого, наприклад, дані про польові погодні умови, умови придатності поля до обробки, умови росту та розвитку, вологість грунту, та умови опадів. Дані про польові умови надаються користувачеві за допомогою пристрою користувача.
ІЇОО31| Сільськогосподарська інтелектуальна обчислювальна система також надає користувачеві множину сільськогосподарських інтелектуальних послуг щодо земельна ділянка площею 40 акрів (0,16 кв. км.) або ділянки поля, які ідентифіковані за допомогою даних про польові умови. Такі сільськогосподарські інтелектуальні послуги використовуються для надання рекомендацій щодо порядку дій, які повинен виконувати користувач. В варіанті реалізації винаходу, що наводиться у якості прикладу, послуги надання рекомендацій містять радника із саджання, радника із застосування азоту, радника зі шкідників рослин, радника зі стану поля, радника із врожаю та радника із доходу від врожаю. Кожен з них описаний у даному документі.
Системна архітектура 0032) Як згадувалося вище, сільськогосподарська інтелектуальна обчислювальна система може бути реалізована з використанням різноманітних окремих обчислювальних пристроїв, а також із використанням відповідної мережі. В варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська інтелектуальна обчислювальна система використовує архітектуру клієнт-сервер, виконану із можливістю обміну даними через мережу (наприклад, мережу Інтернет). Один чи більше пристроїв користувача можуть обмінюватися даними через мережу з застосунком користувача або платформою застосунку. Платформа застосунку надає застосунок, що доступний на пристроях користувача, які можуть використовуватися для обміну
Зо даними з сільськогосподарською інтелектуальною обчислювальною системою. Інший варіант реалізації винаходу, що наводиться у якості прикладу, може містити мережеві архітектури, наприклад, однорангове або розподілене мережеве середовище.
І0033| Платформа застосунку може надавати функціональність серверної частини, за рахунок використання мережі, одному чи більше пристроям користувача. Відповідно, платформа застосунку може містити програмне забезпечення клієнтської частини, що зберігається локально, на пристрої користувача, а також програмне забезпечення серверної частини, що зберігається у сільськогосподарській інтелектуальній обчислювальній системі. У варіанті реалізації винаходу, що наводиться у якості прикладу, пристрій користувача може отримувати доступ до платформи застосунку за допомогою веб-клієнту або програмного клієнту. Пристрій користувача може передавати дані або отримувати дані від одного, або більше серверів інтерфейсу. У варіанті реалізації винаходу, що наводиться у якості прикладу, дані можуть отримувати форму запиту та введення інформації користувачем, наприклад, даних, що враховують особливості поля, на пристрої користувача. Один або більше серверів інтерфейсу можуть обробляти запити пристрою користувача та інформації від нього і визначати, між іншим, чи є запити запитами послуги або запитами контенту. Запити контенту можуть бути передані одній або більше службам управління контентом для обробки. Запит застосунку може бути переданий одному або більше серверам застосунків. У варіанті реалізації винаходу, що наводиться у якості прикладу, запити застосунку можуть отримувати форму запиту для надання даних про польові умови та/або сільськогосподарські інтелектуальні послуги щодо одного або більше полів.
І0034| У варіанті реалізації винаходу, що наводиться у якості прикладу, платформа застосунку може містити один або більше серверів, що обмінюються даними один з одним.
Наприклад, сільськогосподарська інтелектуальна обчислювальна система може містити сервери інтерфейсу, сервери застосунку, сервери управління контентом, сервери обліку, сервери даних про навколишнє середовище та відповідні бази даних. Як згадувалося вище, дані про навколишнє середовище можуть бути отримані з зовнішніх джерел даних, доступ до яких має сільськогосподарська інтелектуальна обчислювальна система, або вони можуть бути отримані із внутрішніх джерел даних, що інтегровані з сільськогосподарською інтелектуальною обчислювальною системою.
І00О35) У варіанті реалізації винаходу, що наводиться у якості прикладу, зовнішні джерела даних можуть містити сервери, що розміщені у сторонніх постачальників, які надають послуги для сільськогосподарської інтелектуальної обчислювальної системи за допомогою запитів та відповідей від інтерфейсу прикладних програм (АРІ). Частота, з якою сільськогосподарська інтелектуальна обчислювальна система може використовувати дані, що розміщені або є доступними за допомогою таких серверів, які розміщені у сторонніх постачальників, може змінюватися в залежності від типу даних. У варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарській інтелектуальній обчислювальній системі можуть надсилатися повідомлення, коли нові дані доступні за допомогою джерела даних. Сільськогосподарська інтелектуальна обчислювальна система може передавати виклик АРІ за рахунок використання мережі до сільськогосподарської інтелектуальної обчислювальної системи, яка містить у собі ці дані, та отримувати у відповідь нові дані. Якщо потрібно, сільськогосподарська інтелектуальна обчислювальна система може обробляти дані для того, щоб компоненти платформи застосунку мали можливість підтримувати ці дані. Наприклад, обробка даних може містити вилучення даних з потоку або потоку даних та перетворення даних у структурований набір даних, наприклад, у структуру даних ХМі-формату. Дані, які отримані та/або оброблені сільськогосподарською інтелектгуальною обчислювальною системою, можуть передаватися платформі застосунку та зберігатися у відповідній базі даних. 0036) Коли виконується запит застосунку, один чи більше серверів застосунку взаємодіє з серверами управління контентом, серверами обліку, серверами моделювання, серверами даних про навколишнє середовище та відповідними базами даних. В одному прикладі, сервери моделювання можуть генерувати попередньо задану кількість симуляцій (наприклад, 10 000 симуляцій), з використанням, зокрема, даних, що враховують особливості поля, та даних про навколишнє середовище для одного або більше полів, які ідентифіковано на основі даних з описом поля та інформації користувача. У залежності від типу запиту застосунку, дані, що враховують особливості поля, та дані про навколишнє середовище для одного або більше полів можуть бути розташовані на серверах управління контентом, серверах обліку, серверах даних про навколишнє середовище, відповідних базах даних та, у деяких випадках, знаходитися у архіві на серверах моделювання та/або серверах застосунку. На основі симуляції, що
Зо генерується серверами симуляції, дані про польові умови та/або сільськогосподарські інтелектуальні послуги для одного або більше полів надаються серверам застосунку для передачі даних за рахунок використання мережі на пристрій користувача, який здійснив запит.
Точніше кажучи, користувач може використовувати пристрій користувача для доступу до множини вікон або екранів, що відображають дані про польові умови та/або сільськогосподарські інтелектуальні послуги, як описано нижче.
І0037| Не зважаючи на те, що вищезгадана платформа застосунку передбачена прикладами реалізації винаходу, які були наведені вище, фахівцю в даній області техніки зрозуміло, що можливі будь-які конфігурації серверів, та варіант реалізації даного винаходу не обмежуються конфігураціями, що викладені у даному документі.
Дані про польові умови, погодні та температурні умови
ЇОО38| У рамках даних про польові умови сільськогосподарська інтелектуальна обчислювальна система відслідковує польові погодні умови для кожного поля, що було ідентифіковано користувачем. Сільськогосподарська інтелектуальна обчислювальна система визначає поточні погодні умови, включаючи температуру поля, вітер, вологість та точку роси.
Сільськогосподарська інтелектуальна обчислювальна система також визначає прогнозовані погодні умови, включаючи температуру поля, вітер, вологість та точку роси для щогодинних заданих інтервалів, щоденних заданих інтервалів або будь-яких інтервалів, які задає користувач. Прогнозовані погодні умови також використовуються для прогнозу опадів на полі, придатності поля для обробки, і росту та розвитку рослин на полі. Найближчі прогнози визначаються з використанням метеорологічної моделі (наприклад, моделі Місгоса5), тоді як довгострокові прогнози визначаються з використанням ретроспективних аналогових симуляцій.
І0039| Сільськогосподарська інтелектуальна обчислювальна система використовує сітку температур для визначення значень температури. Відомі дослідження вказують на те, що використання сітчастої технології забезпечую більш точне вимірювання температури, ніж з використанням точкового вимірювання температури. Температурна сітка, як правило, являє собою квадратну фізичну ділянку, як правило, 2,5 милі на 2,5 милі (4 км на 4 км).
Сільськогосподарська інтелектуальна обчислювальна система пов'язує поле із температурною сіткою, яка містить це поле. Сільськогосподарська інтелектуальна обчислювальна система визначає множину погодних станцій, найближчих до температурної сітки. Сільськогосподарська бо інтелектуальна обчислювальна система отримує температурні дані від множини погодних станцій. Показники температури, що надає множина погодних станцій, зважуються на основі їхньої близькості до сітки таким чином, що більш близькі погодні станції мають більшу вагу, ніж менш близькі погодні станції. Крім того, відносна висота температурної сітки порівнюється з висотою множини погодних станцій. Значення температури, надані множиною погодних станцій, упорядковуються в залежності від відносної різниці у висоті. У деяких прикладах, температурна сітка містить або розташована поряд із водоймищами. Як відомо, водоймища знижують температуру навколишньої ділянки. Відповідно, коли відповідне поле знаходиться ближче до водоймища відносно погодної станції, що надала значення температури, надана температура для поля зменшується до розрахункового значення у безпосередній близькості до водоймища. 0040) Показники опадів визначаються аналогічним чином з використанням сітки опадів, яка використовує дані метеорологічного радару. Сітка опадів має аналогічні цілі та характеристики, як і температурна сітка. Головним чином, сільськогосподарська інтелектуальна обчислювальна система використовує доступні джерела даних, такі як дані допплерівських радарів МЕХКАЮ
Національної метеорологічної служби, мережу дощомірних станцій та погодні станції по всій території США. Сільськогосподарська інтелектуальна обчислювальна система додатково перевіряє та калібрує отримані дані з наземними станціями та супутниковими даними. У варіанті реалізації винаходу, що наводиться у якості прикладу, дані допплерівських радарів отримуються для сітки опадів. Дані допплерівських радарів використовуються для визначення розрахункового значення опадів для сітки опадів. Визначений розмір опадів упорядковується на основі інших джерел даних, наприклад, інших джерел погодних радарів, наземних погодних станцій (наприклад, дощомірних станцій), супутникових джерел даних про опади (наприклад, зЗаїєїйе Арріїсайопе ап Кезеагсп Національного управління з океанографії і вивчення атмосфери), та метеорологічні джерела. За рахунок використання множини окремих джерел даних виконується більш точне визначення розміру опадів. 0041 Поточні погодні умови та прогнозовані погодні умови (щогодинні, щоденні, або вказані користувачем) відображаються на пристрої користувача в графічному вигляді разом із застосовною інформацією, що відноситься до конкретного поля, наприклад, інформацією, що містить назву поля, посів, площу землі в акрах, опади на полі, придатність поля до обробки, ріст та розвиток рослин, вологість грунту, та іншу інформацію з описом поля або дані, що
Зо враховують особливості поля, які може вказати користувач. Така інформація може відображатися на пристрої користувача в одній або більше комбінаціях та рівні деталізації, яка задана користувачем. 0042) У варіанті реалізації винаходу, що наводиться у якості прикладу, температура може відображатися у вигляді високих температур, середніх температур або низьких температур протягом тривалого періоду часу. Температура може відображатися протягом заданого періоду часу та/або інтервалу дат, та/або сільськогосподарського року, та порівнюватися з попередніми періодами часу, роками, включаючи середні показники за 5 років, середні показники за 15 років, середні показники на 30 років, або заданими користувачем.
І0043) В варіанті реалізації винаходу, що наводиться у якості прикладу, кількість опадів може відображатися у вигляді кількості опадів та/або сумарної кількості протягом тривалого періоду часу. Дані про опади можуть відображатися протягом заданого періоду часу та/або інтервалу дат, та/або сільськогосподарського року, та порівнюватися з попереднім періодами часу, роками, включаючи середні показники за 5 років, середні показники за 15 років, середні показники на 30 років, або задані користувачем. Дані про опади також можуть відображатися у вигляді попередніх або наступних даних радару. У варіанті реалізації винаходу, що наводиться у якості прикладу, попередні дані радару можуть відображатися протягом 1,5 годин або протягом періоду часу, що заданий користувачем. Наступні дані радару можуть відображатися протягом б годин або протягом періоду часу, що заданий користувачем. Радар може відображатися у вигляді прозорого шару карти аерофотозйомки, показуючи користувачеві одне або більше полів, при цьому користувач може збільшувати або зменшувати карту. Радар може відображатися статично, протягом періоду часу, що заданий користувачем, або безперервно, протягом періоду часу, що обраний користувачем. Дані радару, що лежать в основі, отримані та/або оброблені сільськогосподарською інтелектуальною обчислювальною системою, можуть бути у формі бінарного файлу із даними у вигляді таблиці (СОКІВ), які містять файли прогнозованої відбивної здатності, типи опадів та типові значення відбивної здатності. Дані умов придатності поля для обробки
Ї0044| У рамках даних про польові умови сільськогосподарська інтелектуальна обчислювальна система надає дані про умови придатності поля для обробки, що вказують на рівень, при якому поле або частина поля (пов'язана з даними про польові умови) можуть бути 60 приданими до обробки у заданий період року з використанням машин або іншого обладнання. У варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська інтелектуальна обчислювальна система вилучає ретроспективні дані про опади за попередньо заданий період часу, прогнозовані опади на полі на протязі попередньо заданого періоду часу або температури поля на протязі попередньо заданого періоду часу. Вилучені дані використовуються для визначення одного або більше індексів придатності до обробки. 0045) У варіанті реалізації винаходу, що наводиться у якості прикладу, індекс придатності до обробки може використовуватися для вилучення трьох значень придатності до обробки для певної фермерської діяльності. Значення придатності до обробки "Добре" вказує на високу вірогідність того, що польові умови будуть прийнятними для використання машин або певних видів діяльності протягом наступного періоду часу. Значення придатності до обробки "Перевірка" вказує, що польові умови можуть бути не ідеальними для використання машин або певних видів діяльності протягом наступного періоду часу. Значення придатності до обробки "Зупинитися" вказує, що польові умови не придатні для роботи або певних видів діяльності протягом наступного періоду часу.
І0046| Визначені значення придатності до обробки можуть змінюватися в залежності від видів сільськогосподарської діяльності. Наприклад, посадка та обробка, як правило, потребують низького рівня мулу та можуть потребувати високого індексу придатності до обробки, сягаючого значення "Добре", у порівнянні з сільськогосподарською діяльністю, яка передбачає високий рівень мулу. У деяких варіантах реалізації винаходу, індекси придатності до обробки розраховуються окремо для кожного виду діяльності на основі окремих наборів параметрів.
Наприклад, індекс придатності до обробки під час саджання може коригуватися відповідно до прогнозованої температури у наступні 60 годин, тоді як індекс придатності до обробки під час збору врожаю може коригуватися лише тільки відповідно до опадів. У деяких прикладах, користувач може отримати на пристрої користувача запит надати відповідь на питання відносно видів робіт на полі, якщо така інформація не була надана сільськогосподарській інтелектуальній обчислювальній системі. Наприклад, користувач може відповісти, які види діяльності використовуються в даний час. У залежності від відповіді, сільськогосподарська інтелектуальна обчислювальна система може регулювати її розрахунки індексу придатності до обробки, так як види діяльності користувача вбудовуються, таким чином, у зворотний зв'язок від користувача
Зо при розрахунку індексу придатності до обробки. В іншому випадку, сільськогосподарська інтелектуальна обчислювальна система може регулювати рекомендації, що надаються користувачеві щодо видів діяльності. У додатковому прикладі, сільськогосподарська інтелектуальна обчислювальна система може надавати рекомендації, щоб користувач припинив такі види діяльності на основі його відповіді. Польові умови фаз росту та розвитку
Ї0047| У рамках даних про польові умови сільськогосподарська інтелектуальна обчислювальна система надає дані про польові умови фаз росту та розвитку (наприклад, для кукурудзи: вегетативна (МЕ-МТ) та репродуктивна (Н1-Кб)) для посівів, що ростуть на кожному полі, що перераховані. Вегетативна фаза росту та розвитку для кукурудзи, як правило, характеризується наступними даними. Фаза "МЕ" вказує на появу сходів, фаза "М1" вказує на перший лист, що повністю розпустився у листовому вузлу; фаза "М2" вказує на другий лист, що повністю розпустився у листовому вузлу; фаза "М3" вказує на третій лист, що повністю розпустився у листовому вузлу; будь-яка фаза "М(п)» вказує на п-й лист, що повністю розпустився у листовому вузлу; та фаза "МТ" вказує на те, що кисточка кукурудзи повністю з'явилася. У моделі репродуктивної фази росту та розвитку, що описана, "К1" вказує на фазу викидання маточкових стовпчиків, протягом якої відбуваються процеси запилення та запліднення; фаза "К2" або фаза бульбашки (відбувається на 10-15 день після КІ) вказує на те, що ядро кукурудзи стає видимим та нагадує бульбашку; фаза "К3" або молочна фаза (відбувається на 18-22 день після К1) вказує на те, що ядро стає жовтого кольору зовні та містить молочну білу рідину; фаза "К4" або фаза тістоподібного стану (відбувається на 24-28 день після КІ) вказує на те, що внутрішня частина ядра густішає до пастоподібної консистенції; фаза "К5" або фаза западини (відбувається на 35-42 день після К1) вказує на те, що ядро має зазублину у верхній частині та починає висихати; та фаза "Кб" або фаза фізіологічної зрілості (відбувається на 55-65 день після КК!) вказує на те, що ядро досягло максимального накопичення сухої речовини. Польові умови росту та розвитку використовуються для визначення часу для прийняття ключових сільськогосподарських рішень. Сільськогосподарська інтелектуальна обчислювальна система розраховує розвиток посівів за допомогою фаз розвитку (агротехнічних фаз), відслідковуючи вплив погоди (як минулий так і прогнозований) на феноменологічний розвиток посівів від висадження до збору врожаю.
Ї0048| У варіанті реалізації винаходу, що наводиться у якості прикладу, 60 сільськогосподарська інтелектуальна обчислювальна система використовує дату саджання, що була введена за допомогою пристрою користувача, для визначення польових умов росту та розвитку. Іншими словами, користувач може ввести дату саджання у пристрій користувача, який передає дані про дату саджання у сільськогосподарську інтелектуальну обчислювальну систему. В іншому випадку, сільськогосподарська інтелектуальна обчислювальна система може визначити дату саджання з використанням системного алгоритму. Головним чином, дату саджання може бути визначено на основі дати агрономічної фази та практики саджання у даному регіоні, що пов'язана із даними з описом поля. Практики саджання можна отримати від служби даних, наприклад, обчислювальної мережі університету, який контролює типові практики саджання у даному регіоні. Сільськогосподарська інтелектуальна обчислювальна система додатково використовує дані, що пов'язані з сільськогосподарською практикою користувача в межах поточного сезону та для минулих сезонів, сприяючи, таким чином, виконанню аналізу минулих періодів. Іншими словами, сільськогосподарська інтелектуальна обчислювальна система виконана із можливістю використання минулих практик для кожного окремого фермера на його полі, або для альтернативного використання минулих практик для відповідного регіону з метою прогнозування дати висадження посівів, якщо фактична дата висадження не була надана фермером. Сільськогосподарська інтелектуальна обчислювальна система визначає значення відносної фізіологічної зрілості посівів на основі розрахункової кількості одиниць тепла протягом періоду росту з урахуванням дати висадження, практик користувача та даних, що враховують особливості поля. Так як тепло приблизно дорівнює енергії, яку отримали посіви, сільськогосподарська інтелектуальна обчислювальна система розраховує прогнозовану кількість одиниць тепла для посівів та визначає розвиток фізіологічної зрілості посівів. У варіанті реалізації винаходу, що наводиться у якості прикладу, для визначення отриманої кількості одиниць тепла використовуються дані про максимальну та мінімальну температури.
Вологість грунту
Ї0049| У рамках даних про польові умови сільськогосподарська інтелектуальна обчислювальна система визначає та надає дані про вологість грунту на екрані, що відображає застосунок користувача на пристрої користувача. Вологість грунту вказує на відсоток вмісту сумарної кількості води, що доступна посівам, які знаходяться у грунті даного поля. Значення
Зо вологості грунту встановлюються на початку періоду росту у сільськогосподарську інтелектуальну обчислювальну систему на таку дату, на основі даних про навколишнє середовище, наприклад, користуючись даними північно-американської системи даних про освоювання земель та даних, що пов'язані з полем. В іншому варіанті реалізації винаходу, може використовуватися обчислювальний пристрій для аналізу грунту, який може аналізувати зразки грунту із множини полів фермера, при цьому множина полів містить вибране поле. Відразу після аналізу результати можуть бути надані безпосередньо із обчислювального пристрою для аналізу грунту в сільськогосподарську інтелектуальну обчислювальну систему, таким чином, результати аналізу грунту можуть бути надані фермеру. Крім того, дані аналізу грунту можуть бути введені у сільськогосподарську інтелектуальну обчислювальну систему для використання даних про польові умови та сільськогосподарські інтелектуальні послуги. 0050) Потім значення вологості грунту узгоджуються, щонайменше, кожного дня під час періоду росту за рахунок відстеження потрапляння вологи у грунт через опади та зменшення вологості за рахунок сумарного випаровування (ЕТ).
ІОО51) У деяких прикладах, вода, що потрапляє у дану область, може не потрапляти у грунт за рахунок стікання. Відповідно, в одному прикладі, буде обчислено сумарну кількість опадів та опади без урахування випаровування. Сумарні опади вказують на загальний об'єм опадів.
Опади без урахування випаровування виключають розраховану кількість води, яка ніколи не потрапляла у грунт за рахунок стікання. Кількість стікання визначається на основі кількості опадів протягом тривалого періоду часу та кривої класифікації типу грунту, визначеною ОБВА.
Системний обліковий запис користувача вказує на дані, що враховують особливості поля, відносно грунту, для визначення рівня стікання та кривої стікання для вказаного поля. Введені дані про грунт, що описані вище, можуть, в іншому випадку, бути надані обчислювальним пристроєм для аналізу грунту. Більш легкі, піщані грунти мають більший рівень вбирання води з опадів та менш схильні до стікання протягом рясних опадів у порівнянні з важкими, більш щільними грунтами. Важкі або щільні типи грунтів мають низький рівень поглинання вологи та більше стікання опадів у ті дні, коли випадають рясні опади.
І0052| Щоденне випаровування, що відноситься до вказаного користувачем поля, розраховується на основі стандартної ЕТ-моделі Пенмана-Монтейта. Розрахунок загальної кількість води, як втрата із грунту за рахунок випаровування у заданий день, заснований на
Гс10) наступних даних:
Максимальна та мінімальна температура у заданий день: Більш високі значення температури призводить до біль інтенсивного випаровування у порівнянні з більш низькими значеннями температури.
Широта: Протягом значної частини періоду росту посіву поля на більш північних широтах зазнають більшої сонячної радіації, у порівнянні з полями на більш південних широтах, за рахунок більшої тривалості дня. Однак поля на більш північних широтах також отримують менше радіації за рахунок незначного зміщення землі. Площі з більшою сонячною радіацією мають відносно більше значення випаровування, у порівнянні з площами з меншим значення рівня радіації.
Визначена фаза росту та розвитку посівів: Фази росту посівів, близькі до запилення сприяють високому потенційному щоденному випаровуванню, тоді як фази, близькі до саджання та подальшого наливання зерна призводить до відносно низького випаровування, так як посіви використовують менше води у цій фазі росту.
Поточна вологість грунту: Модель сільськогосподарської інтелектуальної обчислювальної системи пояснює той факт, що посіви зберігають та використовують менше води, коли води у грунті доступно менше. Отримані значення вологості грунту підтверджують, що вищий певний відсоток вологості, у залежності від типу посівів, забезпечує більш високе потенційне значення випаровування, та потенційне значення випаровування зменшується, коли значення вологості наближується до 0 95. Коли значення вологості падає нижче цього відсотку, зерно починає зберігати воду та використовувати вологість грунту менше оптимальної норми. Таке зберігання води рослинами збільшується при зменшенні значення вологості грунту, що призводить до низького значення денного випаровування.
Вітер: Випаровування залежить від вітру; тім не менш, випаровування не таке чутливе до вітру, як до інших умов. В варіанті реалізації винаходу, що наводиться у якості прикладу, встановлена швидкість вітру на рівні 2 метри за секунду використовується для всіх розрахунків випаровування.
Попередження та звіти 0053) Сільськогосподарська інтелектуальна обчислювальна система додатково виконана із можливістю надавати попередження на основі інформації, пов'язаної із погодою та полем.
Зо Головним чином, користувач може задавати множину порогових значень для кожної із множини категорій попереджень. Коли дані про польові умови вказують на те, що було перевищено порогове значення, пристрій користувача посилає попередження. Попередження можуть надаватися за допомогою застосунку (наприклад, повідомлення під час входу у систему, ризп- повідомлення), електронного листа, текстового повідомлення, або будь-якого відповідного метода. Повідомлення можна призначити для контролю догляду за посівами, наприклад, про розмір граду, зливи, загальну кількість опадів, вологість грунту, розвідувальні роботи, режим вітру, зображення поля, звіт про шкідників та хвороби. В іншому випадку, попередження можуть надаватися для стратегії розвитку посівів. Наприклад, повідомлення можуть надаватися на основі цін на сировину, цін на зернові, індексу придатності до обробки, фаз росту та вмісту вологи у посівах У деяких прикладах, попередження можуть вказувати на надання рекомендацій щодо порядку дій. Наприклад, попередження може надати рекомендацію, які роботи виконувати на полі (наприклад, саджання, застосування азотних добрив, обробка проти шкідників та хвороб, застосування зрошування, розвідка або сбір врожаю) у певний період часу.
Сільськогосподарська інтелектуальна обчислювальна система також виконана з можливістю отримувати інформацію про господарську діяльність, наприклад, від пристрою користувача, сільськогосподарської машини та/або обчислювального пристрою сільськогосподарської машини, або з будь-якого іншого джерела. Відповідно, попередження також можуть надаватися на основі зареєстрованої інформації про господарську діяльність, наприклад, саджання, застосування азотних добрив, обприскування, зрошування, спостереження або сбір врожаю. У деяких прикладах, попередження можуть надаватися незалежно від порогового значення для того, щоб вказати на певні польові умови. У деяких прикладах, попередження про щоденні опади, фазу росту, зображення поля або температуру можуть передаватися на пристрій користувача. 0054) Сільськогосподарська інтелектуальна обчислювальна система додатково виконана з можливістю генерувати множину звітів на основі даних про польові умови. Такі звіти можуть використовуватися користувачем для покращення стратегії та при прийняті рішень щодо сільськогосподарської діяльності. Ці звіти можуть складатися зі звітів про фазу розвитку посіву, температуру, вологість, вологість грунту, опади, придатність до обробки, ризики від шкідників та хвороб. Звіти можуть містити одні або більше даних з описом поля, дані про навколишнє середовище, дані, що пов'язані з полем, розвідку та важливі записи, дані про польові умови, загальні сільськогосподарські інтелектуальні послуги або форму Е5А 578.
Спостереження та нотатки 0055) Сільськогосподарська інтелектуальна обчислювальна система також виконана із можливістю отримувати додаткову інформацію від пристрою користувача. Наприклад, користувач може надавати дані про події ведення журналу або спостереження, що відносяться до полів, які пов'язані з даними із описом поля. Користувач може отримати доступ до застосунку для ведення журналу на пристрої користувача та оновлення сільськогосподарської інтелектуальної обчислювальної системи. В одному варіанті реалізації винаходу, користувач отримує доступ до сільськогосподарської інтелектуальної обчислювальної системи за допомогою пристрою користувача коли він фізично знаходиться на полі для вводу даних, що враховують особливості поля. Сільськогосподарська інтелектуальна обчислювальна система автоматично відображає та передає дату та час, а також дані з описом поля, що пов'язані з даними, які відносяться до поля, такі як географічні координати та межі. Користувач може надавати загальні дані про сільськогосподарську діяльність, наприклад, поле, місцезнаходження, дату, час, посіви, зображення та примітки. Користувач також може надавати специфічні дані про певну діяльність, наприклад, саджання, застосування азотних добрив, застосування пестицидів, збір врожаю, спостереження та поточні погодні спостереження. Така додаткова інформація може бути пов'язана з обчислювальною мережею та використовуватися користувачем для аналізу. 0056) Сільськогосподарська інтелектуальна обчислювальна система додатково виконана із можливістю відображати події ведення журналу та спостереження, що пов'язані з отриманням даних щодо поля від користувача за допомогою однієї або більше сільськогосподарських машин, або пристроїв сільськогосподарських, які обмінюються даними з сільськогосподарською інтелектуальною обчислювальною системою, або за допомогою пристрою користувача. Така інформація може відображатися як вказано користувачем. В одному прикладі, інформація відображається у календарі на пристрої користувача, при цьому користувач, при необхідності, може отримати додаткові деталі щодо цієї інформації. В іншому прикладі, інформація відображається у таблиці на пристрої користувача, при цьому користувач може вибрати певні
Зо категорії інформації, які користувач бажає переглянути.
І0057| Сільськогосподарська інтелектуальна обчислювальна система також містить (або обмінюються даними з) множину модулів, виконаних із можливістю аналізу даних про польові умови та інших даних, що доступні сільськогосподарській інтелектуальній обчислювальній системі, та надавати певні рекомендації стосовно сільськогосподарської діяльності або робіт, які необхідно виконати на полях, що були проаналізовані, для досягнення максимальної врожайності та/або доходу з певного поля. Іншими словами, такі модулі переглядають дані про польові умови та інші дані для надання рекомендацій, як ефективно покращити віддачу та продуктивність певного поля. Такі модулі можуть називатися по-різному, наприклад, як сільськогосподарські інтелектуальні модулі або, в іншому випадку, як компоненти радника з надання рекомендацій, або як сільськогосподарські інтелектуальні послуги. У контексті даного документу такі сільськогосподарські інтелектуальні модулі можуть містити, крім іншого, а) модуль радника із саджання, Б) модуль радника і застосування азотних добрив, с) модуль радника із шкідників, 4) модуль радника зі здоров'я поля, е) модуль радника зі збирання врожаю, та Її) модуль радника з отримання доходу.
Система сільськогосподарських інтелектуальних послуг
Модуль радника із саджання 0058) Сільськогосподарська інтелектуальна обчислювальна система додатково виконана із можливістю надання сільськогосподарських інтелектуальних послуг, пов'язаних із саджанням. В одному варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника із саджання надає рекомендації щодо дати саджання. Такі рекомендації є специфічними для місцезнаходження поля та адаптовані відповідно до поточних даних про польові умови поряд з даними про прогнозовану погоду, яка буде впливати на певні поля. 0059) В одному варіанті реалізації винаходу, модуль радника із саджання отримує один або більше наступних елементів даних для кожного поля, що ідентифіковано користувачем (як визначено із даних з описом поля) для визначення та надання таких рекомендацій щодо дати саджання: 1. Першим набором елементів даних є дані з характеристиками насіння. Дані з характеристиками насіння можуть містити будь-яку характерну інформацію щодо насіння, яке посаджене або буде посаджене. Дані з характеристиками насіння можуть містити, наприклад, 60 дані про виробника насіння, дані про вартість насіння, дані про щільність висаджування, дані про гібрид насіння, дані про рівень зрілості насіння, дані про спротив насіння хворобам та будь- які інші відповідні дані про насіння. Дані про компанію-виробника насіння можуть вказувати на виробника або постачальника насіння. Дані про вартість насіння можуть вказувати на ціну насіння для даної кількості, ваги або об'єму насіння. Дані про щільність висаджування насіння можуть містити об'єм висадженого насіння (або призначеного для висадження) або щільність висаджено насіння (або призначеного для висадження). Дані про гібрид насіння можуть містити будь-яку інформацію стосовно біологічного матеріалу насіння (наприклад, із яких рослин було створено гібридну форму даного насіння). Дані про рівень зрілості насіння можуть містити, наприклад, відносний рівень зрілості даного насіння (наприклад, значення порівняльної ступені відносної зрілості ("СЕМ") або "шовкової" порівняльної ступені зрілості ("шовкової СЕМ"), одиниці ступеня росту до певної фази, наприклад, викидання маточкових стовпчиків, середнє запліднення, шар черні або цвітіння, та відносний рівень зрілості для даного насіння при фізіологічній зрілості ("Фіз. СЕМ"). Дані про спротив насіння хворобам можуть містити будь-яку інформацію щодо спротиву насіння певним хворобам. В варіанті реалізації винаходу, що наводиться у якості прикладу, дані про спротив хворобам містять дані щодо спротиву таким хворобам, як сіра плямистість листя, північний бактеріальний опік листя, антрактозна гниль стебла, в'янення Госса, глазкова плямистість листя кукурудзи, глазкова плямистість, іржа кукурудзи, антрактозна плямистість листя, південна іржа, південний вірусний комплекс, плямистість листя Стюарта, смертельний некроз кукурудзи, курна сажка кукурудзи, діплодіоз, суха гниль качанів та стебелів кукурудзи, та фузаріозна гниль кореневої шийки. Інші відповідні дані про насіння можуть містити, наприклад, дані, щодо висихання зерна, сили стебла, сили кореня, екстреного впливу, стресової схожості, засухостійкості, гнучкості качана, восьмого критерію, висоти рослини, висоти качана, ламкості ніжки у середній сезон, потужності рослин, реакції на фунгіциди, чуттєвості до регуляторів росту, чуттєвості до інгібіторів пігменту, чуттєвості до сульфонілсечовини, періоду збору врожаю, текстури ендосперму зернівки, схожості, ознаки сбіру врожаю, щільності врожаю, самосіву, кольору стрижня та листової обгортки. 2. Другим набором елементів даних є дані, що пов'язані з полем, щодо складу грунтів. Такі дані, що пов'язані з полем, можуть містити вимірювання кислотності або лужності грунту
Зо (наприклад, рівні рН), рівень органічних речовин у грунту (рівень "ОМ", та рівні обмінної ємності катіонів ("рівні СЕС") 3. Третім набором елементів даних є дані, що враховують особливості поля, пов'язані з полем. Такі дані, що враховують особливості поля, можуть містити назви поля та ідентифікатори, типи грунту або класифікацію, стан обробки, стан зрошування. 4. Четвертим набором елементів даних є дані, що враховують особливості поля, щодо минулих даних про збір врожаю. Такі дані, що враховують особливості поля, можуть містити тип посівів або класифікацію, дату збору врожаю, фактичну історію виробництва ("АРН"), врожайність, вологість зернових та прийоми механічної обробки.
У деяких прикладах, користувачі можуть отримати запити на пристрої користувача на надання п'ятого набору елементів даних за рахунок відповіді на запитання щодо бажаної щільності саджання (наприклад, загального об'єму посіву та загальної щільності посіву для певного поля) та/або вартості насіння, прогнозованої врожайності, нотатки про бажані ризики (наприклад, загальні або специфічні: користувач бажає ризикнути певною кількістю бушелів з акру для підвищення вірогідності отримання певної кількості бушелів з акру), якщо така інформація не була надана сільськогосподарській інтелектуальній обчислювальній системі.
ІЇ0060| Модуль радника із саджання отримує та обробляє набори елементів даних для симуляції потенційно можливого врожаю. Потенційно можливий врожай розраховується для різних дат саджання. Модуль радника із саджання додатково використовує уточнюючі дані для генерування таких симуляцій. Уточнюючі дані можуть містити доні про погоду, яка була
БО симульована між датою саджання та датою сбіру врожаю, придатність поля до обробки, сезонні ризики заморозків, ризики посухи, ризики спеки, ризики надлишкової вологості, розрахункову температуру грунту та/або стійкість до окремих видів ризиків. Відповідна дата збору врожаю може бути розрахована на основі наданої відносної зрілості (наприклад, для генерування більш ранньої дати збору врожаю), та може додатково змінюватися на основі прогнозованої погоди та придатності поля для обробки. Стійкість до окремих видів ризиків може бути розрахована на основі сценарію високого прибутку/високого ризику, сценарію низького ризику сценарії збалансованого ризику/доходу та сценарію, що заданий по користувачем. Модуль радника з саджання генерує таку симуляцію для кожної дати саджання та відображає користувачеві надання рекомендацій щодо дати саджання на пристрої користувача. Надання рекомендацій 60 містить надання рекомендацій щодо дати саджання, розрахункової врожайності, відносної зрілості, та відображає розрахункову врожайність у порівнянні з датою саджання. У деяких прикладах, модуль радника із саджання також відображає дати саджання у порівнянні з втратами розрахункової врожайності від ризиків весняних заморозків, ризиків осінніх заморозків, ризиків посухи, ризиків спеки, ризиків надлишкової вологості та розрахованої температури грунту. У деяких прикладах, таке відображення генеруються на основі прогнозованих температур та/або опадів у проміжок між кожною датою саджання та відповідною, або більш ранньою рекомендованою датою збору врожаю для вибраної відносної зрілості. Модуль радника з саджання надає варіанти вибору моделювання та відображення альтернативних сценаріїв врожайності для даних із саджання та розрахованої врожайності за рахунок модифікації одного або більше елементів даних, пов'язаних із даними з характеристиками насіння, даними, що пов'язані з полем, бажаної щільності саджання та або вартості насіння, прогнозованої врожайності, та/або інформації щодо бажаних ризиків. Альтернативні сценарії врожайності можуть бути відображені та відображені графічно на пристрої користувача разом із наданням первинних рекомендацій. 0061) У деяких прикладах модуль радника з саджання надає рекомендації або виключає дати саджання на основі прогнозованої придатності для обробки. Наприклад, дати у яких прогнозована придатність до обробки, що пов'язана з саджанням, має значення "Зупинитися" можуть бути виключені або не рекомендовані. У деяких прикладах радник саджання надає рекомендації або виключає дати саджання на основі прогнозованих погодних явищ (наприклад, температури або опадів). Наприклад, дати саджання можуть бути рекомендовані після того як вірогідність заморозків знизиться у порівнянні з відповідним пороговим значенням.
І0062| У деяких прикладах, радник з саджання надає рекомендації щодо характеристик насіння, або графічно відображає розраховану врожайність у порівнянні з датою саджання для різних характеристик насіння. Наприклад, графічне відображення розрахованої врожайності у порівнянні з датою саджання може бути згенеровано як для характеристик насіння, так і для рекомендованих характеристик насіння. Рекомендовані характеристики насіння можуть бути надані на основі будь-якої максимальної врожайності на будь-яку дату саджання, максимальної середньої врожайності для всього заданого набору дат саджання, або найбільш ранньої можливої дати збору врожаю (наприклад, коли більш пізня дата збору врожаю небажана за
Зо рахунок прогнозованих погодних умов, для отримання бажаної дати збору врожаю може бути вибрана відносна зрілість). Модуль радника із застосування азотних добрив 0063) Сільськогосподарська інтелектуальна обчислювальна система додатково виконана із можливістю надання сільськогосподарських інтелектуальних послуг, пов'язаних із грунтом.
Модуль радника із застосування азотних добрив визначає потенційну потребу в азотних добривах у грунті та надає рекомендації користувачеві щодо виконання робіт і застосування азотних добрив. Точніше кажучи, модуль радника із застосування азотних добрив виконаний із можливістю визначати умови, при яких потреба насіння не забезпечується азотом, що знаходиться у грунті. В одному варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника і застосування азотних добрив надає рекомендації щодо підкормки або розпилювання, наприклад, дати та ступеню, у залежності від місцезнаходження поля, адаптовані до поточних польових умов. В одному варіанті реалізації винаходу, модуль радника із саджання виконаний із можливістю отримувати один або більше наступних елементів даних для кожного поля, що ідентифіковано користувачем (як визначено із даних з описом поля): 1. Першим набором елементів даних є дані з інформацією про навколишнє середовище.
Інформація про навколишнє середовище може містити інформацію, що пов'язана з погодою, опадами, метеорологічними умовами, фенологію грунту та насіння. 2. Другим набором елементів даних є дані, що враховують особливості поля, щодо даних поля. Такі дані, що враховують особливості поля, можуть містити назви поля та ідентифікатори, типи грунту або класифікацію, стан обробки, стан зрошування. 3. Третім набором елементів даних є дані, що враховують особливості поля, щодо минулих даних про збір врожаю. Такі дані, що враховують особливості поля, можуть містити тип посівів або класифікацію, дату збору врожаю, фактичну історію виробництва ("АРН"), врожайність, вологість зернових та прийоми механічної обробки. 4. Четвертим набором елементів даних є дані, що враховують особливості поля, щодо складу грунтів. Такі дані, що враховують особливості поля, можуть містити вимірювання кислотності або лужності грунту (наприклад, рівні рН), рівень органічних речовин у грунту (рівень "ОМ", та рівні обмінної ємності катіонів ("рівні СЕС") 5. П'ятим набором елементів даних є дані, що враховують особливості поля, щодо даних про саджання. Такі дані, що враховують особливості поля, можуть містити дату саджання, тип або типи насіння, рівні відносної зрілості (КМ) посадженого насіння, та щільності посадки насіння. У деяких прикладах, дані про саджання передаються з датчика роботи висівного апарату у сільськогосподарську інтелектуальну обчислювальну систему 150, наприклад, за допомогою стільникового модему або іншого пристрою для передачі даних датчика роботи висівного апарату. 6. Шостим набором елементів даних є дані, що враховують особливості поля, щодо даних про азотні добрива. Такі дані, що враховують особливості поля, можуть містити дати застосування азотних добрив, кількість застосування азотних добрив та джерела застосування азотних добрив. 7. бьомим набором елементів даних є дані, що враховують особливості поля, щодо даних про зрошування. Такі дані, що враховують особливості поля, можуть містити дати застосування зрошування, об'єм зрошування та джерела зрошування. 0064) На основі наборів елементів даних модуль радника з застосування азотних добрив визначає рекомендації щодо застосування азотних добрив. Як описано нижче, надання рекомендацій містить список полів із достатньою кількістю азоту, список полів із недостатньою кількістю азоту, та рекомендоване застосування азотних добрив для полів з недостатньою кількістю азоту. 0065) У деяких прикладах, користувачі можуть отримати запит на пристрої користувача для відповіді на запитання щодо прийомів застосування азотних добрив (наприклад, підкормки, розпилювання) та їх вартості, наприклад, типів азотних добрив (наприклад, рідкий аміак, сечовина, ШАМ (аміакат сечовини і аміачної селітри) 28 95, З0 95 або 32 95, нітрат амонію, сульфат амонію, кальцієвий нітрат амонію), вартості азотних добрив, останньої фази росту насіння, у яку застосовувалися азотні добрива, обладнання для застосування, затрат на оплату праці, прогнозованої вартості насіння, прийомів механічної обробки (наприклад, типу (умовна оранка, безоранкова, обмежена обробка землі, смугова оранка) та розміру площі поля, яку було оброблено), відповідні агротехнічні прийоми (наприклад, внесення навозу, стабілізація азоту, захисне насадження), а також про попередні дані про насіння (наприклад, тип насіння, дата збору врожаю, фактичну історію виробництва (АРН), врожайність, прийоми механічної обробки), поточні дані про насіння (наприклад, дата саджання, тип насіння, відносна зрілість (КМ) висадженого насіння, щільність насіння), характеристики грунту (рН, ОМ, СЕС), якщо така інформація не була надана сільськогосподарській інтелектуальній обчислювальній системі. Для певних запитань, наприклад, про останню фазу росту насіння, у яку застосовувалися азотні добрива, застосовне обладнання, затрати на оплату праці - користувач має варіанти вибору для надання множини альтернативних відповідей, за допомогою яких сільськогосподарська інтелектуальна обчислювальна система може оптимізувати надання рекомендацій радником із застосування азотних добрив. (0066) Використовуючи інформацію про навколишнє середовище, дані, що пов'язані з полем, дані про прийоми та вартість застосування азотних добрив, попередні дані про посіви, поточні дані про посіви, та/або характеристики грунту сільськогосподарська інтелектуальна обчислювальна система ідентифікує доступний вміст азоту у кожному полі та симулює можливі прийоми застосування азотних добрив, дати, ступінь, та наступну дату, у яку значення придатності до обробки буде мати значення "Зелений", беручі до уваги прогнозовану придатність до обробки та втрату азоту за рахунок вилуговування, денітрифікації та випаровування. Модуль радника із застосування азотних добрив генерує та відображає на пристрої користувача рекомендації щодо застосування азотних добрив. Таке надання рекомендацій містить: 1. Список полів, які мають достатній рівень азоту, включаючи доступний рівень азоту для кожного поля, дату останнього застосування та рівень застосованого азоту. 2. Список полів, де рекомендоване застосування азоту, включаючи доступний рівень азоту для кожного поля, рекомендований прийом застосування, рекомендовану дату застосування, рекомендований рівень застосування та наступну дату, у яку придатність до обробки азотними добривами буде мати значення "Зелений".
ІЇ0067| Користувач має варіанти вибору моделювання (наприклад, запуску моделі) та відображення втрати азоту (загальної та розділеною за втратами в результаті випаровування, денітрифікації та вилуговування), та отримання посівами азоту ("поглинання") на протязі певного періоду часу (попередньо заданого або визначеного користувачем) для рекомендованого застосування азотних добрив по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та ступеню, бо що увів користувач. Користувач має варіант вибору моделювання та відображення розрахованого доходу від інвестицій для рекомендованого застосування азотних добрив по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та ступеню, що увів користувач. Альтернативні сценарії застосування азотних добрив можуть бути відображені та відображені графічно на пристрої користувача разом із наданням первинних рекомендацій. Користувач має додатковий варіант вибору моделювання та відображення розрахованого доходу (мінімального, середнього та максимального) для рекомендованого застосування азотних добрив по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та ступеню, що увів користувач. Користувач має додатковий варіант вибору моделювання та відображення розрахованого доступного рівня азоту протягом будь-якого періоду часу, що вказаний користувачем, для рекомендованого застосування азотних добрив по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та ступеню, що увів користувач.
Користувач має додатковий варіант вибору роботи радника із застосування азотних добрив (використання радника із застосування азотних добрив) для одного або більше підпорядкованих полів або зон управління всередині поля. Модуль радника зі шкідників (або модуль радника зі шкідників та хвороб). 0068) Сільськогосподарська інтелектуальна обчислювальна система додатково виконана із можливістю надання сільськогосподарських інтелектуальних послуг, пов'язаних зі шкідниками та хворобами. Модуль радника зі шкідників та хвороб виконаний із можливістю ідентифікувати ризики, які завдають посівам шкідники та/або хвороби. В варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника зі шкідників та хвороб ідентифікує ризики, до яких призводять шкідники, які є причиною найбільших економічних збитків посівам у США.
Такими шкідниками, наприклад, є: злаковий кореневий черв'як, совка кукурудзяна, соєва попелиця, західна бобова совка, метелик кукурудзяний, совка лугова, жук листоїд, хрущик японський та звичайний павутинний кліщ. У деяких прикладах, радник зі шкідників та хвороб надає додатковий аналіз для кожного шкідника, розподілений за фазами росту (наприклад, личинкова або фаза дорослої комахи). Модуль радника зі шкідників та хвороб також ідентифікує ризики хвороб, які є причиною найбільших економічних збитків для посівів у США. Такими
Зо хворобами є: сіра плямистість листя, північний бактеріальний опік листя, антрактозна гниль стебла, в'янення Госса, глазкова плямистість листя кукурудзи, глазкова плямистість, іржа кукурудзи, антрактозна плямистість листя, південна іржа, південний вірусний комплекс, плямистість листя Стюарта, смертельний некроз кукурудзи, курна сажка кукурудзи, діплодіоз, суха гниль качанів та стебелів кукурудзи, та фузаріозна гниль кореневої шийки. Радник зі шкідників також виконаний із можливістю надання рекомендацій щодо прийомів розвідки та методів обробки для реагування на такі ризики від шкідників та хвороб. Радник зі шкідників також виконаний із можливістю надання попереджень на основі вивчення шкідників у регіоні, близькому до полів користувача. 0069) В одному варіанті реалізації винаходу, модуль радника зі шкідників та хвороб може отримувати один або більше наступних елементів даних для кожного поля, що ідентифіковано користувачем (як визначено із даних з описом поля): 1. Першим набором елементів даних є дані з інформацією про навколишнє середовище.
Інформація про навколишнє середовище містить інформацію, пов'язану з погодою, опадами, метеорологічними умовами, фенологію грунту та звітами про шкідників і хвороби. 2. Другим набором елементів даних є дані з характеристиками насіння. Дані з характеристиками насіння можуть містити будь-яку характерну інформацію щодо насіння, яке посаджене або буде посаджене. Дані з характеристиками насіння можуть містити, наприклад, дані про виробника насіння, дані про вартість насіння, дані про щільність висаджування, дані про гібрид насіння, дані про рівень зрілості насіння, дані про спротив насіння хворобам та будь- які інші відповідні дані про насіння. Дані про компанію-виробника насіння можуть вказувати на виробника або постачальника насіння. Дані про вартість насіння можуть вказувати на ціну насіння для даної кількості, ваги або об'єму насіння. Дані про щільність висаджування насіння можуть містити об'єм висадженого насіння (або призначеного для висадження) або щільність висаджено насіння (або призначеного для висадження). Дані про гібрид насіння можуть містити будь-яку інформацію стосовно біологічного матеріалу насіння (наприклад, із яких рослин було створено гібридну форму даного насіння). Дані про рівень зрілості насіння можуть містити, наприклад, відносний рівень зрілості даного насіння (наприклад, значення порівняльної ступені відносної зрілості ("СЕМ") або "шовкової" порівняльної ступені зрілості ("шовкової СКМ"), одиниці ступеня росту до певної фази, наприклад, викидання маточкових стовпчиків, середнє 60 запліднення, шар черні або цвітіння, та відносний рівень зрілості для даного насіння при фізіологічній зрілості ("Фіз. СЕМ"). Дані про спротив насіння хворобам можуть містити будь-яку інформацію щодо спротиву насіння певним хворобам. В варіанті реалізації винаходу, що наводиться у якості прикладу, дані про спротив хворобам містять дані щодо спротиву таким хворобам, як сіра плямистість листя, північний бактеріальний опік листя, антрактозна гниль стебла, в'янення Госса, глазкова плямистість листя кукурудзи, глазкова плямистість, іржа кукурудзи, антрактозна плямистість листя, південна іржа, південний вірусний комплекс, плямистість листя Стюарта, смертельний некроз кукурудзи, курна сажка кукурудзи, діплодіоз, суха гниль качанів та стебелів кукурудзи, та фузаріозна гниль кореневої шийки. Інші відповідні дані про насіння можуть містити, наприклад, дані, щодо висихання зерна, сили стебла, сили кореня, екстреного впливу, стресової схожості, засухостійкості, гнучкості качана, восьмого критерію, висоти рослини, висоти качана, ламкості ніжки у середній сезон, потужності рослин, реакції на фунгіциди, чуттєвості до регуляторів росту, чуттєвості до інгібіторів пігменту, чуттєвості до сульфонілсечовини, періоду збору врожаю, текстури ендосперму зернівки, схожості, ознаки сбіру врожаю, щільності врожаю, самосіву, кольору стрижня та листової обгортки. 3. Третім набором елементів даних є дані, що враховують особливості поля, щодо даних про саджання. Такі дані, що враховують особливості поля, можуть містити дату саджання, тип насіння, рівні відносної зрілості (ЕМ) посадженого насіння, та щільності посадки насіння. 4. Четвертим набором елементів даних є дані, що враховують особливості поля, щодо даних про пестициди. Такі дані, що враховують особливості поля, можуть містити, наприклад, дату застосування пестицидів, тип пестициду (вказаного, наприклад, за допомогою реєстраційного номеру Агентства з захисту навколишнього середовища), рецептуру пестициду, норму витрати пестицидів, дані про тестування пестицидів на полі, кількість розпилених пестицидів та джерело пестицидів. 0070) У деяких прикладах, користувачі можуть отримати запит на пристрої користувача для відповіді на запитання, пов'язані з прийомами застосування пестицидів та вартістю, наприклад, типом продукту, датою застосування, рецептурою, нормами, тестуваннями на полі, кількістю, джерелом, вартістю, найбільш пізньою фазою росту посівів, у яку застосовувалися пестициди, обладнанням для застосування, затратами на оплату праці, а також поточними даними про посіви (наприклад, датою саджання, типом насіння, відносною зрілістю (КМ) посадженого насіння, щільності саджання насіння), якщо така інформація не була надана сільськогосподарській інтелектуальній обчислювальній системі. Відповідно, модуль радника зі шкідників та хвороб отримує такі дані від пристроїв користувача. Для певних запитань, наприклад, про останню фазу росту насіння, у яку застосовувалися пестициди, застосовне обладнання, затрати на оплату праці - користувач має варіант вибору для надання множини альтернативних відповідей, за допомогою яких сільськогосподарська інтелектуальна обчислювальна система може оптимізувати надання рекомендацій радником зі шкідників та хвороб.
ІЇ0071| Модуль радника зі шкідників та хвороб виконаний із можливістю отримувати та обробляти усі такі набори елементів даних і отримані дані користувача, та симулювати можливі прийомі застосування пестицидів. Симуляція можливих прийомів застосування пестицидів містить дати, норми та наступні дати, у які придатність до обробки пестицидами має значення "Зелений", з урахуванням прогнозованої придатності до обробки. Модуль радника зі шкідників та хвороб генерує та відображає на пристрої користувача рекомендації щодо спостереження та обробки. Рекомендації щодо спостереження містять щоденний (або вказаний користувачем) період часу для спостереженням за певними шкідниками та хворобами. Користувач має варіант вибору відображення певної підмножини шкідників та хвороб, а також додаткової інформації щодо певних шкідників або хвороб. Рекомендації щодо обробки містить список полів, де рекомендоване застосування пестицидів, включаючи рекомендовані прийоми застосування для кожного поля, рекомендовані дати застосування, рекомендовані норми застосування та наступну дату, у яку придатність до обробки пестицидами буде мати значення "Зелений".
Користувач має варіант вибору моделювання та відображення розрахованого доходу від інвестицій для рекомендованого застосування пестицидів по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та норми, що увів користувач. Альтернативні сценарії застосування пестицидів можуть бути відображені та відображені графічно на пристрої користувача разом із наданням первинних рекомендацій.
Користувач має додатковий варіант вибору моделювання та відображення розрахованого доходу (мінімального, середнього та максимального) для рекомендованого застосування пестицидів по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та норми, що увів користувач. Модуль радника зі здоров'я поля
І0072| Модуль радника зі здоров'я поля ідентифікує якість здоров'я посівів протягом сезонного циклу та використовує таке визначення здоров'я посівів для надання рекомендацій щодо спостереження або обстеження у зонах з незадовільним здоров'ям поля. Точніше кажучи, модуль радника зі здоров'я поля отримує та обробляє дані зображень поля для визначення, ідентифікації та надання значень індексу здоров'я біомаси. Значення індексу здоров'я біомаси може знаходитися у діапазоні від нуля (що вказує на відсутність біомаси) до 1 (що вказує на максимальну кількість біомаси). В варіанті реалізації винаходу, що наводиться у якості прикладу, значення індексу має певну кольорову схему, таким чином, кожне зображення має закодовану кольором схему здоров'я біомаси (наприклад, коричневі зони вказують на зони у полі з низьким відносним здоров'ям біомаси). В одному варіанті реалізації винаходу, модуль радника зі здоров'я поля виконаний із можливістю отримувати один або більше наступних елементів даних для кожного поля, що ідентифіковано користувачем (як визначено із даних з описом поля): 1. Першим набором елементів даних є дані з інформацією про навколишнє середовище.
Така інформація про навколишнє середовище містить інформацію щодо супутникових зображень, аерофотозйомки, наземних зображень та фенології посівів. 2. Другим набором елементів даних є дані, що враховують особливості поля, щодо даних поля. Такі дані, що враховують особливості поля, можуть містити ідентифікатори поля та грунту, наприклад, назви поля та типи грунтів. 3. Третім набором елементів даних є дані, що враховують особливості поля, щодо даних про склад грунту. Такі дані, що враховують особливості поля, можуть містити вимірювання кислотності або лужності грунту (наприклад, рівні рН), рівень органічних речовин у грунту (рівень "ОМ", та рівні обмінної ємності катіонів ("рівні СЕС") 4. Четвертим набором елементів даних є дані, що враховують особливості поля, щодо даних про саджання. Такі дані, що враховують особливості поля, можуть містити, наприклад, дату саджання, тип насіння, рівні відносної зрілості (КМ) посадженого насіння, та щільності посадки насіння.
Зо І0073| Модуль радника зі здоров'я поля отримує та обробляє всі такі елементи даних (разом із даними зображення поля) для визначення індексу здоров'я посіву для кожного місцезнаходження, у якому кожне поле, що ідентифіковане користувачем, кожен раз має нове доступне зображення поля. У варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника зі здоров'я поля визначає індекс здоров'я поля як нормалізований різницевий індекс рослинності ("МОМ") на основі, щонайменше, одного значення відбивної здатності ближнього інфрачервоного діапазону ("МІК") та, щонайменше, одного значення відбивної здатності видимого спектру на кожному положенні сітки у полі. У іншому варіанті реалізації винаходу, що наводиться у якості прикладу, індекс здоров'я посівів уявляє собою МОМІ на основі багатоспектральної відбивної здатності.
І0074| Модуль радника зі здоров'я поля генерує та відображає на пристрої користувача карту індексу здоров'я у вигляді прозорого шару на мапі аерофотозйомки для кожного поля, що було ідентифіковане користувачем. У варіанті реалізації винаходу, що наводиться у якості прикладу, для кожного поля модуль радника зі здоров'я поля буде відображати дату зображення поля, фазу росту посіву у цей час, вологість грунту у цей час та мапу індексу здоров'я у вигляді прозорого шару на мапі аерофотозйомки цього поля. У варіанті реалізації винаходу, що наводиться у якості прикладу, роздільна здатність зображення знаходиться у межах від 5 м до 0,25 см. Користувач має варіант вибору моделювання та відображення списку полів на основі дати зображення поля та/або індексу здоров'я посівів (наприклад, від поля з найменшими загальними значеннями індексу здоров'я до поля з найвищими загальним значеннями індексу здоров'я, від поля з найвищими загальними значеннями індексу здоров'я до поля з найнижчими загальними значеннями індексу здоров'я, найнижча мінливість значення індексу здоров'я всередині поля, найвища мінливість значення індексу здоров'я всередині поля, або як вказано користувачем). Користувач також має варіант вибору моделювання та відображення порівняння індексу здоров'я посівів для поля протягом певного періоду часу (наприклад, порівняння пліч-о-пліч, перехресного порівняння). В варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника зі здоров'я поля надає користувачеві можливість вибору місцезнаходження на полі для отримання більш детальної інформації про індекс здоров'я, типу грунту або висоти на певному місцезнаходженні. В варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника зі здоров'я поля надає бо користувачеві можливість зберегти вибране місцезнаходження, пов'язану із ним інформацію та короткі нотатки таким чином, щоб користувач міг вилучити аналогічну інформацію на пристрої користувача, коли він знаходиться на полі.
ІЇ0075| Технічний ефект систем та способів, що описані в цьому документі, містить, щонайменше, (а) покращене використовування сільськогосподарських полів за рахунок покращеного контролю за польовими умовами; (Б) покращений вибір часу та способів запилення; (с) покращений вибір часу та способів контролю за шкідниками; (4) покращений вибір насіння, посадженого на даному місцезнаходженні грунту; (е) покращені дані по польові умови для мікролокального рівня; та (Її) покращений вибір періоду збору врожаю.
І0076| Точніше кажучи, технічний ефект може бути досягнений за рахунок виконання, щонайменше, одного з наступних етапів: (а) отримання множини даних з описом поля, вилучення множини вхідних даних із множини обчислювальних мереж, визначення ділянки поля на основі даних з описом поля, ідентифікація підмножини набору даних з множини вхідних даних, пов'язаних із ділянкою поля, визначення множини даних про польові умови на основі підмножини набору даних з множини вхідних даних та надання множини даних про польові умови на пристрої користувача; (Б) визначення періоду аналізу опадів, вилучення набору останніх даних про опади, набору прогнозованих даних про опади та набору даних про температуру, пов'язаних з періодом аналізу даних з підмножини набору даних з множини вхідних даних, визначення індексу придатності до обробки на основі набору останніх даних про опади, набору прогнозованих даних про опади та набору даних про температуру, та надання значення придатності до обробки на пристрої користувача на основі індексу придатності до обробки; (с) отримання очікуваних робіт на полі та визначення індексу придатності до обробки, частково, на основі очікуваних робіт на полі; (4) визначення начального рівня вмісту вологи у посівах, отримання множини даних про максимальну а мінімальну температури, отримання множини даних про використанню води для посівів, та визначення рівня вмісту вологи у грунті; (є) отримання множини бажаних попереджень від пристрою користувача, визначення множини порогових значень для попереджень, пов'язаних із множиною бажаних попереджень, контроль підмножини набору даних з множини вхідних даних, та надання попереджень на пристрої користувача, коли буде перевищено, щонайменше, одне порогове значення для попередження; () отримання множини даних з описом поля від, щонайменше, одного з пристроїв користувача
Зо та пристрою сільськогосподарських машин; (9) визначення сітки, пов'язаної з ділянкою поля, визначення, із множини погодних станцій, пов'язаних з сіткою, при цьому кожна з множини погодних даних пов'язана з місцезнаходженням погодної станції, визначення супутньої ваги для кожної з множини погодних станцій на основі місцезнаходження кожної з пов'язаних погодних станцій, отримання температури, що зчитується з кожної з множини погодних станцій, та визначення значення температури для ділянки поля на основі множини зчитаних даних та кожної супутньої ваги; (п) отримання множини даних з описом поля, вилучення множини вхідних даних з множини обчислювальних мереж, визначення ділянки поля на основі даних з описом поля, визначення підмножини набору даних з множини вхідних даних, пов'язаних з ділянкою поля, визначення множини даних про польові умови на основі підмножини набору даних з множини вхідних даних, визначення множини варіантів робіт на полі, визначення рекомендаційної оцінки для кожної з множини варіантів робіт на полі на основі, щонайменше, частково, множини даних про польові умови, та надання рекомендованих варіантів робіт на полі з множини варіантів робіт на полі на основі множини рекомендаційних оцінок; (ї) визначення періоду аналізу опадів, вилучення набору останніх даних про опади, набору прогнозованих даних про опади, та набору даних про температуру, пов'язаних з періодом аналізу опадів з підмножини набору вхідних даних, визначення індексу придатності до обробки на основі набору останніх даних про опади, набору прогнозованих даних про опади, та набору даних про температуру, та визначення рекомендованих сільськогосподарських робіт на основі, щонайменше, частково, індексу придатності для обробки; (|) визначення начального рівня вмісту вологи у посівах отримання даних про щоденну максимальну та мінімальну температури, отримання множини даних про використання води для посівів, визначення рівня вологи грунту для ділянки поля, та визначення рекомендованої множини посівів на основі визначеного рівня вологи грунту; (К) визначення прогнозованого значення теплових одиниць для ділянки поля на основі вхідних даних, отримання множини варіантів вибору посівів, що розглядаються для саджання, при цьому кожний варіант з множини варіантів вибору посівів містить дані про посіви, визначення відносної зрілості кожного варіанту з множини варіантів вибору посівів на основі прогнозованого значення теплових одиниць та даних про посіви, та надання рекомендацій щодо обраних посівів з множини варіантів вибору посівів на основі відносної зрілості для кожного варіанту з множини варіантів вибору посівів; () отримання бо множини даних про ризики від шкідників, при цьому кожна з множини даних про ризики від шкідників містить ідентифікатор шкідника та місцезнаходження шкідника, отримання множини ідентифікаторів посівів, пов'язаних з множиною посівів, отримання множини даних про розпилювання препаратів проти шкідників, пов'язаної з ідентифікаторами посівів, визначення оцінки ризику від шкідників, пов'язаних з кожною множиною посівів, та надання рекомендацій щодо стратегії розпилювання на основі множини оцінок ризиків від шкідників; (т) отримання множини ретроспективних даних по сільськогосподарську діяльність, пов'язану з кожною ділянкою поля з пристрою користувача, та надання рекомендацій щодо варіантів вибору робіт на полі на основі, щонайменше, частково, множини ретроспективних даних про сільськогосподарську діяльність; та (п) використання моделі на основі сітки для отримання локалізованих даних про польові умови.
І0077| У контексті даного документу, процесор може містити будь-яку систему із програмним керуванням, включно з системами, що використовують мікроконтролери, схеми зі скороченим набором команд (КІ5С), спеціалізовані інтегральні мікросхеми (А5БІС5), логічні схеми та будь-які інші схеми або процесори, що здатні виконувати функції, що описані у даному документі.
Наведені вище варіанти надані виключно для прикладу і, таким чином, не мають на меті обмеження будь-яким чином визначення та/або значення терміну "процесор". 0078) У контексті даного документу, термін "база даних" означає як масив даних, так і систему управління реляційною базою даних (КОВМ5), або їх обох. У контексті даного документу, база даних може містити будь-який набір даних, включно з ієрархічною базою даних, реляційною базою даних, базою даних на пласких файлах, об'єктно-реляційною базою даних, об'єктно-орієнтовною базою даних, та будь-яким іншим структурованим набором записів або даних, що зберігаються у обчислювальній системі. Наведені вище варіанти надані виключно для прикладу і, таким чином, не мають на меті обмеження будь-яким чином визначення та/або значення терміну "база даних". Приклади КОВМ5 містять, крім іншого, Огасіе?Д БВаїаразе,
МУуБОЇ, ІВМе 082, Місгозойф БОЇ Зегмег, зуразеб та РобзідгевоОї!. Тім не менш, може використовуватися будь-яка база даних, що дозволяє виконувати системи та способи, що описані у даному документі. (Огасіє є зареєстрованою торгівельною маркою компанії Огасіє
Согрогайоп, Кедужооа Зпоге5, Саїйогпіа; ІВМ є зареєстрованою торгівельною маркою компанії
Іпіегпайопа! Вибзіпе55 Маспіпез5 Согрогайоп, АгтопК, Мем/ МогКк; Місгозой є зареєстрованою
Зо торгівельною маркою компанії Місгозой Согрогайоп, Кейтопа, УмМазпіпдіоп; та Зуразе є зареєстрованою торгівельною маркою компанії зуразе, Юибіїп, Са йогпіа.)
І0079) В одному варіанті реалізації винаходу, надається комп'ютерна програма та програма реалізована на машинопрочитуваному носії даних. У варіанті реалізації винаходу, що наводиться у якості прикладу, система виконується на окремій обчислювальній системі, без необхідності підключення до серверного комп'ютера. У додатковому варіанті реалізації винаходу, система виконується у середовищі УмМіпадом/у5Ф (Мпдом5 є зареєстрованою торгівельною маркою компанії Місгозой Согрогайоп, Кейтопа, Умахпіпдаїоп). У ще одному варіанті реалізації винаходу, система виконується у середовищі мейнфрейму та середовищі серверу ОМІХФ (ОМІХ є зареєстрованою торгівельною маркою компанії Х/Ореп Сотрапу ГГ ітіїєй
Іосаїєд іп Кеаадіпд, Вегк5Ппіге, Опйей Кіпддот). Застосунок є гнучким та розроблений для виконання у різноманітних середовищах без втрати будь-якої основної функціональності. У деяких варіантах реалізації винаходу, система містить множино компонентів, що розподілені на множині обчислювальних пристроїв. Один або більше компонентів можуть бути надані у формі інструкцій, що виконуються на комп'ютері та реалізовані на машинопрочитуваному носії даних. 0080 У контексті даного документу, елемент або етап, який перераховується в однині, та далі прямує зі словом "один" або "один з" слід розуміти як такий, що не виключає множини елементів або етапів, за виключенням таких ситуацій, коли таке виключення вказано явним чином. Більш того, згадування "приклад варіанту реалізації" або "один варіант реалізації" даного винаходу не слід розуміти, як такий, що виключає наявність додаткових варіантів реалізації винаходу, котрі також повністю включають у себе викладені функції.
ІЇОО81| У контексті даного документу, термін "програмне забезпечення" та "вбудоване програмне забезпечення" є взаємозамінними та містять будь-яку комп'ютерну програму, що зберігається, для виконання процесором, у пам'яті, включаючи КАМ пам'ять, КОМ пам'ять,
ЕРКОМ пам'ять, ЕЕРКОМ пам'ять та енергонезалежну КАМ пам'ять (ММКАМ). Вищезгадані типи пам'яті наведені виключно у якості прикладу і, таким чином, не обмежують типи пам'яті, що можна використовувати для зберігання комп'ютерної програми.
І0082| Системи та процеси не обмежуються певними варіантами реалізації винаходу, що описані у даному документі. Додатково, компоненти кожної системи та кожного процесу можуть бути реалізовані незалежно та окремо від інших компонентів та процесів, що описані у даному документі. Кожен компонент та процес також може бути використаний у комбінації із іншим комплектом вузлів та процесів. 0083) Наступний детальний опис ілюструє варіанти реалізації даного винаходу у якості прикладу, але не у якості обмеження. Передбачається, що даний опис винаходу має загальне застосування у керуванні та наданні рекомендацій щодо сільськогосподарської діяльності.
І0084| На Фіг. 1 зображена діаграма, що відображає приклад сільськогосподарського середовища 100, що містить множину полів, що контролюються та керуються за допомогою сільськогосподарської інтелектуальної обчислювальної системи. Приклад сільськогосподарського середовища 100 містить фермера 110, що обробляє множину полів 120, включаючи перше поле 122 та друге поле 124. Фермер 110 взаємодіє з сільськогосподарською інтелектуальною обчислювальною системою 150 для ефективного управління полями 120 та отримує рекомендації щодо сільськогосподарської діяльності для ефективного використання полів 120. Сільськогосподарська інтелектуальна обчислювальна система 150 використовує множину обчислювальних систем 112, 114, 116, 118, 130А, 130В та 140 для надання таких послуг. Обчислювальні системи 112, 114, 116, 118, 130А, 1308, 140 та 150 та всі відповідні підсистеми можна назвати "мережева інтелектуальна сільськогосподарська система". Не зважаючи на те, що зображений тільки один фермер 110 та тільки два поля 120, слід розуміти, що використовувати сільськогосподарську інтелектуальну обчислювальну систему 150 може множина фермерів 110, що мають множину полів 120.
І0085| В варіанті реалізації винаходу, що наводиться у якості прикладу, фермер 110 використовує пристрої користувача 112, 114, 116 та/або 118 для того, щоб взаємодіяти з сільськогосподарською інтелектуальною обчислювальною системою 150. В одному прикладі, пристрій користувача 112 є смарт-годинником, окулярами з підтримкою управління комп'ютером, смартфоном, КПК або обчислювальним пристроєм типу "фаблет", що можуть передавати та отримувати інформацію, наприклад таку, як описано у даному документі. В якості альтернативи, фермер 110 може використовувати планшетний обчислювальний пристрій 114 або ноутбук 116 для взаємодії з сільськогосподарською інтелектуальною обчислювальною системою 150. Так як пристрої користувача 112 та 114 є "мобільними пристроями" зі специфічними вхідними та вихідними даними, щонайменше, деякі
Зо приклади пристроїв користувача 112 та 114 використовують спеціалізоване програмне забезпечення (яке іноді називають "мобільні застосунки") для взаємодії з сільськогосподарською інтелектуальною обчислювальною системою 150.
І0086| В варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська машина 117 (наприклад, комбайн, трактор, культиватор, плуг, глибокорозпушувач, розпилювач або інше обладнання, що використовуються на фермі для допомоги у сільському господарстві) можуть бути підключені до обчислювального пристрою 118 (обчислювального пристрою сільськогосподарської машини"), що взаємодіє з сільськогосподарською інтелектуальною обчислювальною системою 150 аналогічним чином, як і пристрої користувача 112, 114 та 116. У деяких прикладах, обчислювальний пристрій сільськогосподарської машини 118 є монітором сівалки, датчиком роботи сівалки або монітором намолоту. У деяких прикладах, обчислювальний пристрій сільськогосподарської машини 118 може бути підключений до монітору сівалки, як викладено у патенті США Мо 8738243, що включений у даний документ за допомогою посилання, або у міжнародній заявці на патент Мо
РСТ/О52013/054506 що включена у даний документ за допомогою посилання. У деяких прикладах, обчислювальний пристрій сільськогосподарської машини 118 може бути підключений до монітору намолоту, як викладено у заявці на патент США Мо 14/237 844, що включена у даний документ за допомогою посилання. Сільськогосподарська машина 117 та обчислювальний пристрій сільськогосподарської машини 118 забезпечують сільськогосподарську інтелектуальну обчислювальну систему 150 даними з описом поля 160 та даними, що враховують особливості поля, як описано вище. (0087) Як описано нижче та у даному документі, фермер (або користувач) 110 взаємодіє з пристроями користувача 112, 114, 116 та/або 118 для отримання інформації щодо управління полем 120. Точніше кажучи, фермер 110 взаємодіє з пристроями користувача 112, 114, 116 та/або 118 для отримання рекомендацій, послуг та інформації щодо управління полем 120.
Фермер 110 надає дані з описом поля 160, що описують місцезнаходження, план-схему, регіон та рельєф полів 120 за допомогою пристроїв користувача 112, 114, 116 та 118. В варіанті реалізації винаходу, що наводиться у якості прикладу, фермер 110 може надавати дані з описом поля 160 у сільськогосподарську інтелектуальну обчислювальну систему 150 за рахунок доступу до мапи (що обслуговується сільськогосподарською інтелектуальною обчислювальною бо системою 150) на пристроях користувача 112, 114, 116 та/або 118, та вибору певної СІ у, яка графічно відображається на мапі. В альтернативному варіанті реалізації винаходу, фермер 110 може ідентифікувати дані з описом поля 160 за рахунок доступу до мапи (що обслуговується сільськогосподарською інтелектуальною обчислювальною системою 150) на пристроях користувача 112, 114, 116 та/або 118, та малювання меж полів 120 (або, точніше кажучи, полів 122 та полів 124) на мапі. Такий вибір СО або малювання на мапі відображає географічні ідентифікатори. В альтернативному варіанті реалізації винаходу, користувач може ідентифікувати дані з описом поля 160 за допомогою доступу до даних з описом поля 160 (які надаються у вигляді векторних файлів або у аналогічному форматі) від Управління обслуговування фермерів Міністерства сільського господарства США або іншого джерела за допомогою пристрою користувача, та надати дані з описом поля 160 сільськогосподарській інтелектуальній обчислювальній системі. Земля, яку ідентифіковано за допомогою "даних з описом поля", може називатися "поле" або "земельна ділянка". У контексті даного документу, земля, що виділена для сільського господарства, або "земельна ділянка площею 40 акрів (0,16 кв. км.)» знаходиться у межах області, що називається "ділянка поля". Така "ділянка поля" може мати однакову протяжність, наприклад, сітки температур або сітки опадів, як використовується та пояснюється нижче. 0088) Головним чином, дані з описом поля 160 визначають місцезнаходження полів 122 та 124. Як описано у даному документі, точне місцезнаходження полів 122 та 124 мають практичне значення для ідентифікації даних, що враховують особливості поля та даних про навколишнє середовище 170, та/або даних про польові умови 180. Можуть існувати значні розбіжності у польових умовах на невеликій відстані, включаючи розбіжності, наприклад, у якості грунту, складу грунту, рівнях вологості грунту, рівнях азоту, відносній зрілості посівів, опадах, вітру, температурі, сонячному впливі, інших метеорологічних умовах та придатності поля до обробки.
Відповідно, сільськогосподарська інтелектуальна обчислювальна система 150 ідентифікує місцезнаходження для кожного із полів 122 та 124 на основі даних з описом поля 160, та ідентифікує ділянку поля для кожного із полів 122 та 124. Як описано вище, в одному варіанті реалізації винаходу, сільськогосподарська інтелектуальна обчислювальна система 150 використовує "сітчасту" архітектурну модель, яка розділяє землю на секції сітки, розміром 2,5 милі на 2,5 милі (4 км на 4 км).
І0089| Відповідно, сільськогосподарська інтелектуальна обчислювальна система 150 використовує дані з описом поля 160 для ідентифікації того, які польові умови та дані про поле обробляти, та визначати для певного поля. В такому прикладі, обчислювальні мережі 130А та 1308 надають джерела даних, пов'язані з полями 122 та 124 відповідно, так як сітка, що пов'язана із полем 122 контролюється зовнішнім джерелом даних 1308, а сітка, що пов'язана із полем 124, контролюється обчислювальною мережею 130А. Кожна з обчислювальних мереж 130А та 130В може мати пов'язану з нею підсистему 131А, 132А, 133А, 134А (пов'язану з обчислювальною мережею 130А) та 1318, 1328, 1338 та 134В (пов'язану з зовнішнім джерелом даних 1308). Відповідно, дані з описом поля 160 пов'язують поле 122 з обчислювальною мережею 130А, а поле 124 з обчислювальною мережею 130В. Така відмінність між регіонами, які покривають обчислювальні мережі 130А та 1308, наведена в ілюстративних цілях. В процесі роботи, обчислювальні мережі 130А та 130В можуть бути пов'язані з множиною сіток, та можуть надавати дані, що враховують особливості поля та дані про навколишнє середовище 170 для певної сітки на основі даних з описом поля 160.
І0090| Обчислювальні мережі 130А та 130В, як описано у даному документі, отримують множину інформації для визначення даних, що враховують особливості поля та дані про навколишнє середовище 170. Обчислювальні мережі 130А та 130В можуть отримувати потоки метеорологічних даних від інших зовнішніх сервісів або бути пов'язаними з метеорологічними пристроями, наприклад, анемометром 135 та плювіометром 136. Відповідно, за рахунок таких пристроїв 135 та 136, та інших доступних даних, обчислювальні мережі 130А та 1308 надають дані, що враховують особливості поля та дані про навколишнє середовище 170, до сільськогосподарської інтелектуальної обчислювальної системи 150.
ЇО091| Крім того, сільськогосподарська інтелектуальна обчислювальна система може отримувати додаткову інформацію від інших обчислювальних мереж 140 для визначення даних, що враховують особливості поля, та даних про навколишнє середовище 170, та даних про польові умови 180. В цьому прикладі, інші обчислювальні мережі 140 отримують вхідні дані з системи контролю повітряного середовища 145 та супутникового пристрою 146. Такі вхідні дані 145 та 146 можуть надавати дані, що враховують особливості поля, та дані про навколишнє середовище для множини полів 120.
І0092| Використовуючи дані, що враховують особливості поля, та дані про навколишнє бо середовище 170, що пов'язані із полем 122 та 124 (як визначено даними з описом поля 160),
сільськогосподарська інтелектуальна обчислювальна система визначає дані про польові умови 180, та/"або, щонайменше, одну рекомендацію щодо сільськогосподарської діяльності 190, як описано у даному документі. Дані про польові умови 180, по суті, відображають запит від фермера 110 про надання інформації, що пов'язана з польовими умовами полів 120, включаючи погодні умови поля, умови придатності поля до обробки, умови фаз росту, вологості грунту та умови опадів. Рекомендації щодо сільськогосподарської діяльності 190 містять вихідні дані від будь-якої множини послуг, що описані у даному документі, включаючи радника із саджання, радника із застосування азотних добрив, радника зі шкідників рослин, радника зі здоров'я поля, радника зі збору врожаю та радника із доходу від врожаю. Відповідно, рекомендована сільськогосподарська діяльність 190 може містити, наприклад, рекомендації по саджанню, застосуванню азотних добрив, реагуванню на шкідників, рекомендації по здоров'ю поля, збору врожаю, продажу та маркетингу посівів.
ІЇ0093| Сільськогосподарська інтелектуальна обчислювальна система 150 може бути реалізована з використанням різноманітних окремих обчислювальних пристроїв, наприклад, сільськогосподарських інтелектуальних обчислювальних пристроїв 151, 152, 153 та 154, з використанням будь-якої відповідної мережі. В варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська інтелектуальна обчислювальна система 150 використовує клієнт-серверну архітектуру, виконану із можливістю обміну даними через мережу (наприклад, мережу Інтернет) з іншими обчислювальними системами, включно з системами 112, 114, 116, 118, 130А, 1308 та 140. Один або більше пристроїв користувача 112, 114, 116 та/або 118 можуть взаємодіяти за допомогою мережі з використанням відповідного способу взаємодії, включаючи застосунок користувача (або платформи застосунку), що зберігається на пристроях користувача 112, 114, 116 та/або 118, або використовуючи окремий застосунок, що використовує (або викликає) інтерфейс прикладного застосунку. Інший варіант реалізації винаходу, що наводиться у якості прикладу, може містити мережеві архітектури, наприклад, однорангове або розподілене мережеве середовище.
І0094| Платформа застосунку може надавати функціональність серверної частини через мережу одному чи більше пристроям користувача 112, 114, 116 та/або 118. В варіанті реалізації винаходу, що наводиться у якості прикладу, пристрій користувача 112, 114, 116 та/або 118 може
Зо отримати доступ до застосунку користувача за допомогою веб-клієнта або програмного клієнту.
Пристрої користувача 112, 114, 116 та/або 118 можуть передавати дані до, та отримувати дані від одного або більше серверів інтерфейсу. У варіанті реалізації винаходу, що наводиться у якості прикладу, дані можуть отримувати форму запиту та введення інформації користувачем, наприклад, даних, що враховують особливості поля, на пристрої користувача. Один або більше серверів інтерфейсу можуть обробляти запити пристрою користувача та інформації від нього і визначати, між іншим, чи є запити запитами послуги або запитами контенту. Запити контенту можуть бути передані одній або більше службам управління контентом для обробки. Запит застосунку може бути переданий одному або більше серверам застосунків. У варіанті реалізації винаходу, що наводиться у якості прикладу, запити застосунку можуть отримувати форму запиту для надання даних про польові умови та/або сільськогосподарські інтелектуальні послуги щодо одного або більше полів 120.
І0095| В варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська інтелектуальна обчислювальна система 150 може містити один або більше серверів 151, 152, 153 та 154, що обмінюються даними один з одним. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 150 може містити сервери інтерфейсу 151, сервери застосунку 152, сервері управління контентом 153, сервери обліку 154, сервери моделювання 155, сервери даних про навколишнє середовище 156 та відповідні бази даних 157. Як згадувалося вище, дані про навколишнє середовище можуть бути отримані з обчислювальних мереж 130А, 1308 та 140, доступ до яких має сільськогосподарська інтелектуальна обчислювальна система 150, або такі дані про навколишнє середовище можуть бути отримані з внутрішніх джерел даних, або баз даних, що інтегровані з сільськогосподарською інтелектуальною обчислювальною системою 150.
І0096| В варіанті реалізації винаходу, що наводиться у якості прикладу, обчислювальні мережі 130А, 1308 та 140 можуть містити сервери, що розміщені у сторонніх постачальників, які надають послуги для сільськогосподарської інтелектуальної обчислювальної системи 150 за допомогою запитів та відповідей від інтерфейсу прикладних програм (АРІ). Частота, з якою сільськогосподарська інтелектуальна обчислювальна система 150 може використовувати дані, що розміщені або є доступними за допомогою цих серверів, що розміщені у сторонніх постачальників 130А, 1308 та 140, може змінюватися в залежності від типу даних. У варіанті бо реалізації винаходу, що наводиться у якості прикладу, сільськогосподарській інтелектуальній обчислювальній системі можуть надсилатися повідомлення, коли нові дані стають доступними за допомогою джерела даних. Сільськогосподарська інтелектуальна обчислювальна система 150 може передавати виклик АРІ за допомогою мережі до серверів 130А, 130В та 140, які розміщують у собі ці дані, та отримувати у відповідь на виклик нові дані. Якщо потрібно, сільськогосподарська інтелектуальна обчислювальна система 150 може обробляти дані для того, щоб компоненти сільськогосподарської інтелектуальної обчислювальної системи та застосунку користувача мали можливість підтримувати ці дані. Наприклад, обробка даних може містити вилучення даних з потоку або потоку даних та перетворення даних у структурований набір даних, наприклад, у структуру даних ХМІ-формату. Дані, які отримані та/або оброблені сільськогосподарською інтелектуальною обчислювальною системою 150 можуть передаватися платформі застосунку та зберігатися у відповідній базі даних.
ІЇ0097| Коли виконується запит застосунку один або більше серверів інтерфейсу 151 обмінюється даними з серверами застосунку 151, серверами управління контентом 153, серверами обліку 154, серверами моделювання 155, серверами даних про навколишнє середовище 156 та відповідними базами даних 157. В одному прикладі, сервери моделювання 155 можуть генерувати попередньо задану кількість симуляцій (наприклад, 10 000 симуляцій), З використанням, зокрема, даних, що враховують особливості поля, та даних про навколишнє середовище для одного чи більше полів, що ідентифіковано на основі даних з описом поля та інформації користувача. У залежності від типу запиту застосунку, дані, що враховують особливості поля, та дані про навколишнє середовище для одного або більше полів можуть бути розташовані на серверах управління контентом 153, серверах обліку 154, серверах даних про навколишнє середовище 156, відповідних базах даних 157 та, у деяких випадках, знаходитися у архіві на серверах моделювання 155, та/або серверах застосунку 152. На основі симуляції, що генерується серверами моделювання 155, дані про польові умови та/або сільськогосподарські інтелектуальні послуги для одного чи більше полів надаються серверам застосунку 152 для передачі даних за допомогою мережі на пристрій користувача 112, 114, 116 та/або 118, який здійснив запит. Точніше кажучи, фермер (або користувач) 110 може використовувати пристрій користувача 112, 114, 116 та/або 118 для доступу до множини вікон або екранів, що відображають дані про польові умови, та/або сільськогосподарські
Зо інтелектуальні послуги, як описано нижче. 0098) На Фіг. 2 зображена структурна схема обчислювального пристрою користувача 202, що використовується для керування та надання рекомендацій щодо сільськогосподарської діяльності, як зображено у сільськогосподарському середовищі на Фіг. 1. Обчислювальний пристрій користувача 202 може містити, крім іншого, смартфон 112, планшет 114, ноутбук 116 та обчислювальний пристрій сільськогосподарської машини 118 (всі зображені на Фіг. 1). В якості альтернативи, обчислювальний пристрій користувача 202 може бути будь-яким відповідним пристроєм, що використовує користувач 110. В варіанті реалізації винаходу, що наводиться у якості прикладу, система користувача 202 містить процесор 205 для виконання інструкцій. У деяких варіантах реалізації винаходу, інструкції, що виконуються, зберігаються в області пам'яті 210. Процесор 205 може містити один або більше блоків обробки, наприклад, багатоядерну конфігурацію. Область пам'яті 210 являє собою пристрій, що дозволяє зберігати та вилучати інформацію, таку як інструкції що виконуються, та/або роботи, що записані.
Область пам'яті 210 може містити один або більше машинопрочитуваних носіїв даних.
І0099| Система користувача 202 також містить, щонайменше, один компонент середовища виводу 215 для надання інформації користувачеві 201. Компонент середовища виводу 215 являє собою будь-який компонент, здатний передавати інформацію користувачеві 201. У деяких варіантах реалізації винаходу, компонент середовища виводу 215 містить адаптер виводу, наприклад, відео адаптер та/або аудіо адаптер. Адаптер виводу функціонально зв'язаний із процесором 205 та функціонально зв'язаний з пристроєм виводу, наприклад, монітором, рідкокристалічним монітором (СО), монітором на органічних світлодіодах (ОЇ ЕД), або екраном на "електронних чорнилах", або пристроєм аудіо виводу, наприклад, динаміками або навушниками.
ІО100) У деяких варіантах реалізації винаходу, система користувача 202 містить пристрій вводу 220 для отримання вхідних даних від користувача 201. Пристрій вводу 220 може містити, наприклад, клавіатуру, пристрій, що вказує, мишу, стілус, панель із сенсорним керуванням, сенсорну панель, сенсорний екран, гіроскоп, датчик прискорення, датчик положення або пристрій аудіо вводу. Окремий компонент, наприклад, сенсорний екран, може функціонувати і як пристрій компоненту середовища виводу 215, і як пристрій вводу 220. Система користувача 202 також може містити комунікаційний інтерфейс 225, функціонально зв'язаний із віддаленим 60 пристроєм, наприклад, сільськогосподарською інтелектуальною обчислювальною системою
150. Комунікаційний інтерфейс 225 може містити, наприклад, дротовий або бездротовий мережевий адаптер, або бездротовий прийомопередавач даних для використання з мережею мобільного зв'язку, глобальною системою мобільного зв'язку (З5М), 30 або іншими мобільними обчислювальними мережами, або технологією широкосмугового доступу у мікрохвильовому діапазоні (УМІМАХ).
ІО101| В області пам'яті 210 зберігаються, наприклад, машинопрочитувані інструкції для надання інтерфейсу користувача користувачеві 201 за допомогою компонента середовища виводу 215 та, додатково, отримання та обробки вхідних даних від пристрою вводу 220.
Інтерфейс користувача містить, наприклад, крім іншого, веб-браузер та застосунок клієнта. Веб браузери дозволяють користувачеві, наприклад, користувачеві 201, переглядати та взаємодіяти з медіаданими та іншою інформацією, що зазвичай впроваджена на веб-сторінці або веб-сайті сільськогосподарської інтелектуальної обчислювальної системи 150. Клієнтський застосунок дозволяє користувачеві 201 взаємодіяти з застосунком серверу з сільськогосподарської інтелектуальної обчислювальної системи 150.
І0102| Як описано у цьому документі, система користувача 202 може бути обумовлена різноманітними характеристиками пристрою. Наприклад, характеристики пристрою можуть змінюватися в залежності від операційної системи, що використовується пристроєм користувача 202 на початку першої транзакції, браузерної операційної системи, що використовується пристроєм користувача 202 на початку першої транзакції, множини характеристик апаратного забезпечення, пов'язаних із пристроєм користувача 202 на початку першої транзакції, адресою
Інтернет протоколу, пов'язаною з пристроєм користувача 202 на початку першої транзакції, провайдером Інтернет послуг, пов'язаним із пристроєм користувача 202 на початку першої транзакції, атрибутами та характеристиками екрану, що використовується браузером, який використовується пристроєм користувача 202 на початку першої транзакції, атрибутами налаштування, що використовуються браузером, який використовується пристроєм користувача 202 на початку першої транзакції та компонентами програмного забезпечення, що використовуються пристроєм користувача 202 на початку першої транзакції. Як додатково описано у даному документі, сільськогосподарська інтелектуальна обчислювальна система 150 (що проілюстрована на Фіг. 1) здатна отримувати дані з характеристиками пристрою, що
Зо пов'язані з системою користувача 202, та аналізувати такі дані, як описано у даному документі.
ЇО1О3| На Фіг. З зображена структурна схема обчислювального пристрою, що використовується для керування та надання рекомендацій щодо сільськогосподарської діяльності, як зображено у сільськогосподарському середовищі на Фіг. 1. Серверна система 301 може містити, крім іншого, системи обчислювальних мереж 130А, 130В та 140, та сільськогосподарську інтелектуальну обчислювальну систему 150. В варіанті реалізації винаходу, що наводиться у якості прикладу, серверна система 301 визначає та аналізує характеристики пристроїв, що використовуються у платіжних транзакціях, як описано нижче.
І0104| Серверна система 301 містить процесор 305 для виконання інструкцій. Інструкції можуть зберігатися, наприклад, в області пам'яті 310. Процесор 305 може містити один або більше блоків обробки (наприклад, багатоядерну конфігурацію) для виконання інструкцій.
Інструкції можуть виконуватися всередині різноманітних операційних систем на серверній системі 301, наприклад, ОМІХ, ГІМОХ, Місгозой УміпдомуєФ і т.д. Слід визнати, що після ініціалізації реалізованого на комп'ютері способу, під час ініціалізації можуть виконуватися різноманітні інструкції. Для виконання одного або більше процесів, описаних у даному документі, можуть знадобитися деякі операції, тоді як інші операції можуть бути більш загальними та/або специфічними для певних мов програмування (наприклад, С, СЖ, Ся-к, дама,
РуїШшоп та інших відповідних мов програмування, і т.д.).
І0105| Процесор 305 функціонально зв'язаний з комунікаційним інтерфейсом 315 таким чином, що серверна система 301 здатна обмінюватися даними з віддаленим пристроєм, наприклад, системою користувача або іншою серверною системою 301. Наприклад, комунікаційний інтерфейс 315 може отримувати запити від систем користувача 112, 114, 116 та 118 за допомогою мережі Інтернет, як проілюстровано на фіг. 2 та 3.
ІО106| Процесор 305 також може бути функціонально зв'язаним із пристроєм зберігання даних 330. Пристрій зберігання даних 330 може являти собою кероване комп'ютером апаратне забезпечення, придатне до зберігання та/або вилучення даних. У деяких варіантах реалізації винаходу, пристрій для зберігання даних 330 є таким, що вбудовано у серверну систему 301.
Наприклад, серверна система 301 може містити один або більше накопичувачів на жорстких дисках у якості пристрою для зберігання даних 330. В іншому варіанті реалізації винаходу, пристрій для зберігання даних 330 є зовнішнім по відношенню до серверної системи 301 і бо доступ до нього може мати множина серверних систем 301. Наприклад, пристрій для зберігання даних 330 може містити множину блоків для зберігання, наприклад, жорсткі диски або твердотільні диски, у вигляді масиву недорогих дисків з надлишковістю. Пристрій для зберігання 330 може містити мережу зберігання даних (ЗАМ) та/або систему мережевого сховища даних (МА5Б).
ІО107| У деяких варіантах реалізації винаходу, процесор 305 функціонально зв'язаний з пристроєм зберігання даних 330 за допомогою інтерфейсу зберігання 320. Інтерфейс зберігання 320 є будь-яким компонентом, що здатен забезпечити доступ процесора 305 до пристрою для зберігання даних 330. Інтерфейс зберігання 320 може містити, наприклад, адаптер інтерфейсу підключення за допомогою вдосконаленої технології (АТА), адаптер послідовного АТА інтерфейсу (5АТА), адаптер високошвидкісного інтерфейсу для малих комп'ютерів (5С5І),
ВАЇІО-контролер, ЗАМ-адаптер, мережевий адаптер, та/або будь-який компонент, що здатен забезпечити доступ процесора 305 до пристрою зберігання даних 330.
ІО108| Область пам'яті 310 може містити, крім іншого, оперативну пам'ять з довільним доступом (КАМ), наприклад, динамічну КАМ (ОКАМ) або статичну КАМ (ЗКАМ), постійне запам'ятовуючий пристрій (КОМ), програмований постійний запам'ятовуючий пристрій, що стирається (ЕРКОМ), програмований постійний запам'ятовуючий пристрій, що стирається електрично (ЕЕРКОМ) та енергонезалежну КАМ (ММКАМ). Вищезгадані типи пам'яті наведені виключно у якості прикладу і, таким чином, не обмежують типи пам'яті, що можна використовувати для зберігання комп'ютерної програми.
І0109| На Фіг. 4 зображено приклад блок-схеми потоків даних при керуванні та наданні рекомендацій щодо сільськогосподарської діяльності з використанням обчислювальних пристроїв, зображених на Фіг. 1, 2 та З у сільськогосподарському середовищі, що зображене на
Фіг. 1. Як описано у даному документі, фермер 110 використовує будь-який відповідний пристрій користувача 112, 114, 116 та/або 118 (що проілюстровані на Фіг. 1) для складання запиту 401, що передається до сільськогосподарської інтелектуальної обчислювальної системи 150. Як було описано, фермер 110 використовує застосунок користувача або платформу застосунку, що обслуговується на пристрої користувача 114, для взаємодії з сільськогосподарською інтелектуальною обчислювальною системою 150 та формує будь-який відповідний запит 401 фермера. Як описано у даному документі, запит 401 фермера може містити запит на дані про польові умови 180, та/або запит на надання рекомендацій щодо сільськогосподарської діяльності 190.
ЇО110| Платформа застосунку (або застосунок користувача) може надавати функціональність серверної частини через мережу одному або більше пристроям користувача 114. В варіанті реалізації винаходу, що наводиться у якості прикладу, пристрій користувача 114 може отримувати доступ до платформи застосунку за допомогою веб-клієнту або програмного клієнту. Пристрій користувача 114 може передавати дані до, та отримувати дані від одного або більше серверів інтерфейсу, наприклад, серверу інтерфейсу 151 (що проілюстровано на Фіг. 1).
В варіанті реалізації винаходу, що наводиться у якості прикладу, дані можуть отримувати форму запитів 401 фермеру та введення інформації 402 користувачем, наприклад, даних, що враховують особливості поля, та даних про навколишнє середовище 170 (наданих фермером 110) у пристрій користувача 114. Один або більше серверів інтерфейсу 151 можуть обробляти запити фермера 401 та введення інформації 402 користувачем, та визначення, між іншим, чи є запити фермера 401 запитами послуг (наприклад, запитами на надання рекомендацій щодо сільськогосподарської діяльності 190), або запитами контенту (наприклад, запитами даних про польові умови 180). Запити контенту можуть бути передані одній або більше службам управління контентом 153 (що проілюстровані на Фіг. 1) для обробки. Запити застосунків можуть бути передані одній або більше серверам застосунків 152 (що проілюстровані на Фіг. 1). В варіанті реалізації винаходу, що наводиться у якості прикладу, запити застосунку можуть отримувати форму запиту 401 фермера на надання даних про польові умови 180 та/або сільськогосподарські інтелектуальні послуги щодо одного або більше полів 120 (що проілюстровані на Фіг. 1).
ІО111)| У варіанті реалізації винаходу, що наводиться у якості прикладу, платформа застосунку може містити один або більше серверів 151, 152, 153 та 154 (що проілюстровані на
Фіг. 1), що обмінюються даними один з одним Наприклад, сільськогосподарська інтелектуальна обчислювальна система 150 може містити сервери інтерфейсу 151, сервери застосунку 152, сервері управління контентом 153, сервери обліку 154, сервери моделювання 155, сервери даних про навколишнє середовище 156 та відповідні бази даних 157 (усі проілюстровані на фіг. 1). Крім того, сільськогосподарська інтелектуальна обчислювальна система містить множину сільськогосподарських інтелектуальних модулів 158 та 159. В варіанті реалізації винаходу, що бо наводиться у якості прикладу, сільськогосподарські інтелектуальні модулі 158 та 159 є модулем радника зі збору врожаю 158, та модулем радника із доходу від врожаю 159. У додаткових прикладах, модуль радника із саджання, модуль радника із застосування азотних добрив, модуль радник із шкідників та хвороб та модуль радника зі здоров'я поля можуть бути представлені у сільськогосподарській інтелектуальній обчислювальній системі 150. Як згадувалося вище, дані про навколишнє середовище можуть бути отримані з обчислювальних мереж 130 та 140, доступ до яких має сільськогосподарська інтелектуальна обчислювальна система 150, або такі дані можуть бути отримані з внутрішніх джерел даних, що інтегровані з сільськогосподарською інтелектуальною обчислювальною системою 150.
ІО112) В варіанті реалізації винаходу, що наводиться у якості прикладу, обчислювальні мережі 130 та 140 можуть містити сервери, що розміщені у сторонніх постачальників, які надають послуги для сільськогосподарської інтелектуальної обчислювальної системи 150 за допомогою запитів та відповідей від інтерфейсу прикладних програм (АРІ). Частота, з якою сільськогосподарська інтелектуальна обчислювальна система 150 може використовувати дані, що розміщені або є доступними за допомогою цих серверів, які розміщені у сторонніх постачальників 130 та 140, може змінюватися в залежності від типу даних. У варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарській інтелектуальній обчислювальній системі 150 можуть надсилатися повідомлення, коли нові дані стають доступними. Сільськогосподарська інтелектуальна обчислювальна система 150 може в якості альтернативи передавати виклик АРІ за допомогою мережі до зовнішніх джерел даних 130, які розміщують у собі ці дані, та отримувати у відповідь на виклик нові дані. Якщо потрібно, сільськогосподарська інтелектуальна обчислювальна система 150 може обробляти дані для того, щоб компоненти платформи застосунку мали можливість підтримувати ці дані. Наприклад, обробка даних може містити вилучення даних з потоку або потоку даних та перетворення даних у структурований набір даних, наприклад, у структуру даних ХМІ -формату. Дані, які отримані та/лабо оброблені сільськогосподарською інтелектуальною обчислювальною системою 150 можуть передаватися платформі застосунку та зберігатися у відповідній базі даних.
ЇО113| Коли виконується запит застосунку, один або більше серверів застосунку 152 обмінюється даними з серверами управління контентом 153, серверами обліку 154, серверами моделювання 155, серверами даних про навколишнє середовище 156 та відповідними базами
Зо даних 157. В одному прикладі, сервери моделювання 155 можуть генерувати попередньо задану кількість симуляцій (наприклад, 10 000 симуляцій), з використанням, зокрема, даних, що враховують особливості поля, та даних про навколишнє середовище 170 для одного чи більше полів 120, що ідентифіковано на основі даних з описом поля 160 та введення інформації 402 користувачем. У залежності від типу запиту 401 фермера, дані, що враховують особливості поля, та дані про навколишнє середовище 170 для одного або більше полів 120 можуть бути розташовані на серверах управління контентом 153, серверах обліку 154, серверах моделювання 155, серверах даних про навколишнє середовище 156 та відповідних базах даних 157, або, у деяких випадках, знаходитися у архіві на серверах застосунку 152. На основі симуляції, що генерується серверами симуляції 155, дані про польові умови 180 та/або сільськогосподарські інтелектуальні послуги (наприклад, рекомендації щодо сільськогосподарської діяльності 190) для одного або більше полів 120 надаються серверам застосунку 152 для передачі даних за допомогою мережі на пристрій користувача 114, який здійснив запит. Точніше кажучи, користувач може використовувати пристрій користувача 114 для доступу до множини вікон або екранів, що відображають дані про польові умови 180, та/або рекомендації щодо сільськогосподарської діяльності 190, як описано нижче. (0114) Не зважаючи на те, що вищезгадана платформа застосунку передбачена прикладами реалізації винаходу, що були наведені вище, фахівцю в даній області техніки зрозуміло, що можливі будь-які конфігурації серверів, та варіант реалізації даного винаходу не обмежуються конфігураціями, що викладені у цьому документі.
ІЇО115| Для надання даних про польові умови 180 сільськогосподарська інтелектуальна обчислювальна система 150 виконує множину модулів 410 аналізу даних про польові умови.
Модулі аналізу польових умов містять модуль даних погоди на полі 411, що виконаний із можливістю визначення погодних умов для кожного поля 120, що ідентифіковано фермером 110. Сільськогосподарська інтелектуальна обчислювальна система 150 використовує модуль даних про погоду на полі 411 для визначення температури поля, вітру, вологості та точки роси.
Сільськогосподарська інтелектуальна обчислювальна система 150 також використовує модуль даних про погоду на полі 411 для визначення прогнозованих погодних умов, включаючи температуру поля, вітер, вологість та точку роси для щогодинних заданих інтервалів, щоденних заданих інтервалів або будь-яких інтервалів, які задає фермер 110. Модуль опадів на полі 415,
модуль придатності поля до обробки 412 та модуль фаз росту 413 також отримують та обробляють прогнозовані погодні умови.
Найближчі прогнози визначаються з використанням метеорологічної моделі (наприклад, моделі Місгосаз), тоді як довгострокові прогнози визначаються з використанням ретроспективних аналогових симуляцій. 0116) Сільськогосподарська інтелектуальна обчислювальна система 150 використовує сітку температур для визначення значень температури. Відомі дослідження вказують на те, що використання сітчастої технології забезпечую більш точне вимірювання температури, ніж з використанням точкового вимірювання температури. Температурна сітка, як правило, являє собою квадратну фізичну ділянку, як правило, 2,5 милі на 2,5 милі (4 км на 4 км).
Сільськогосподарська інтелектуальна обчислювальна система 150 пов'язує поля (наприклад, поля 122 або 124) із температурною сіткою, яка містить це поле. Сільськогосподарська інтелектуальна обчислювальна система 150 ідентифікує множину погодних станцій, найближчих до температурної сітки. Сільськогосподарська інтелектуальна обчислювальна система 150 отримує температурні дані від множини погодних станцій. Показники температури, що надає множина погодних станцій, зважуються на основі їхньої близькості до сітки таким чином, що більш близькі погодні станції мають більшу вагу, ніж менш близькі погодні станції. Крім того, відносна висота температурної сітки порівнюється з висотою множини погодних станцій.
Значення температури, надані множиною погодних станцій, упорядковуються в залежності від відносної різниці у висоті. У деяких прикладах, температурна сітка містить або розташована поряд із водоймищами. Як відомо, водоймища знижують температуру навколишньої ділянки.
Відповідно, коли відповідне поле знаходиться ближче до водоймища відносно погодної станції, що надала значення температури, надана температура для поля зменшується до розрахункового значення у безпосередній близькості до водоймища.
І0О117)| Показники опадів визначаються аналогічним чином з використанням сітки опадів, яка використовує дані метеорологічного радару. Сітка опадів має аналогічні цілі та характеристики, як і температурна сітка. Точніше кажучи, сільськогосподарська інтелектуальна обчислювальна система 150 використовує доступні джерела даних, наприклад, дані допплерівських радарів
МЕХКАЮ Національної метеорологічної служби. Сільськогосподарська інтелектуальна
Зо обчислювальна система 150 додатково перевіряє та калібрує отримані дані з наземними станціями та супутниковими даними. У варіанті реалізації винаходу, що наводиться у якості прикладу, дані допплерівських радарів отримуються для сітки опадів. Дані допплерівських радарів використовуються для визначення розрахункового значення опадів для сітки опадів.
Визначений розмір опадів упорядковується на основі інших джерел даних, наприклад, інших джерел погодних радарів, наземних погодних станцій (наприклад, дощомірних станцій), супутникових джерел даних про опади (наприклад, заїейШе Арріїсайоп5 апа Кезеагсп
Національного управління з океанографії і вивчення атмосфери), та метеорологічні джерела. За рахунок використання множини окремих джерел даних виконується більш точне визначення розміру опадів. 0118) Поточні погодні умови та прогнозовані погодні умови (щогодинні, щоденні, або вказані користувачем) відображаються на пристрої користувача в графічному вигляді разом із застосовною інформацією, що відноситься до конкретного поля, наприклад, назва поля, посів, площа землі в акрах, опади на полі, придатність поля до обробки, ріст та розвиток рослин, вологість грунту, та інша інформація з описом поля або дані, що враховують особливості поля та дані про навколишнє середовище 170, які може вказати користувач. Така інформація може відображатися на пристрої користувача в одній або більше комбінаціях та рівні деталізації, яка задана користувачем. (0119) У варіанті реалізації винаходу, що наводиться у якості прикладу, температура може відображатися у вигляді високих температур, середніх температур або низьких температур протягом тривалого періоду часу. Температура може відображатися протягом заданого періоду часу та/або інтервалу дат, та/або сільськогосподарського року, та порівнюватися з попередніми періодами часу, роками, включаючи середні показники за 5 років, середні показники за 15 років, середні показники на 30 років, або задані користувачем.
І0120) В варіанті реалізації винаходу, що наводиться у якості прикладу, модуль опадів на полі 415 визначає та надає дані про кількість опадів та/або сумарну кількість опадів протягом тривалого періоду часу. Дані про опади можуть відображатися протягом заданого періоду часу та/або інтервалу дат, та/або сільськогосподарського року, та порівнюватися з попереднім періодами часу, роками, включаючи середні показники за 5 років, середні показники за 15 років, середні показники на 30 років, або задані користувачем. Дані про опади також можуть бо відображатися у вигляді попередніх або наступних даних радару. У варіанті реалізації винаходу,
що наводиться у якості прикладу, попередні дані радару можуть відображатися протягом 1,5 годин або протягом періоду часу, що заданий користувачем. Наступні дані радару можуть відображатися протягом 6 годин або протягом періоду часу, що заданий користувачем. Радар може відображатися у вигляді прозорого шару мапи аерофотозйомки, показуючи користувачеві одне або більше полів, при цьому користувач може збільшувати або зменшувати карту. Радар може відображатися статично, протягом періоду часу, що заданий користувачем, або безперервно, протягом періоду часу, що обраний користувачем. Дані радару, що лежать в основі, отримані та/або оброблені сільськогосподарською інтелектуальною обчислювальною системою, можуть бути у формі бінарного файлу із даними у вигляді таблиці (СОКІВ), які містять файли прогнозованої відбивної здатності, типи опадів та типові значення відбивної здатності. 0121) У рамках наданих даних про польові умови 180 сільськогосподарська інтелектуальна обчислювальна система 150 запускає або виконує модуль даних придатності поля для обробки 412, що обробляє дані, що враховують особливості поля та дані про навколишнє середовище 170, та вихідні дані користувача 402 для визначення рівня, до якого поле або частина поля (пов'язана з даними про польові умови) можуть бути оброблені у заданий період року з використанням машин або іншого обладнання. У варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська інтелектуальна обчислювальна система 150 вилучає ретроспективні дані про опади за попередньо заданий період часу, прогнозовані опади на полі на протязі попередньо заданого періоду часу, та даних про температури на полі на протязі попередньо заданого періоду часу. Вилучені дані використовуються для визначення одного або більше індексів придатності до обробки, як визначено модулем даних придатності поля для обробки 412. 0122) У варіанті реалізації винаходу, що наводиться у якості прикладу, індекс придатності до обробки може використовуватися для вилучення трьох значень придатності до обробки для певної фермерської діяльності. Значення придатності до обробки "Добре" вказує на високу вірогідність того, що польові умови будуть прийнятними для використання машин або певних видів діяльності протягом наступного періоду часу. Значення придатності до обробки "Перевірити" вказує, що польові умови можуть бути не ідеальними для використання машин або певних видів діяльності протягом наступного періоду часу. Значення придатності до обробки
Зо "Зупинитися" вказує, що польові умови не придатні для роботи або певних видів діяльності протягом наступного періоду часу. (0123) Визначені значення придатності до обробки можуть змінюватися в залежності від видів сільськогосподарської діяльності. Наприклад, посадка та обробка, як правило, потребують низького рівня мулу та можуть потребувати високого індексу придатності до обробки, сягаючого значення "Добре", у порівнянні з сільськогосподарською діяльністю, яка передбачає високий рівень мулу. У деяких варіантах реалізації винаходу, індекси придатності до обробки розраховуються окремо для кожного виду діяльності на основі окремих наборів параметрів.
Наприклад, індекс придатності до обробки під час саджання може коригуватися відповідно до прогнозованої температури у наступні 60 годин, тоді як індекс придатності до обробки під час збору врожаю може коригуватися лише тільки відповідно до опадів. У деяких прикладах, користувач може отримати на пристрої користувача запит надати відповідь на питання відносно видів робіт на полі, якщо така інформація не була надана сільськогосподарській інтелектуальній обчислювальній системі 150. Наприклад, користувач може відповісти, які види діяльності використовуються в даний час. У залежності від відповіді, сільськогосподарська інтелектуальна обчислювальна система 150 може регулювати її розрахунки індексу придатності до обробки, так як види діяльності користувача вбудовуються, таким чином, у зворотний зв'язок від користувача при розрахунку індексу придатності до обробки. В іншому випадку, сільськогосподарська інтелектуальна обчислювальна система 150 може регулювати рекомендації, що надаються користувачеві щодо видів діяльності. У додатковому прикладі, сільськогосподарська інтелектуальна обчислювальна система 150 може надавати рекомендації, щоб користувач припинив такі види діяльності, на основі його відповіді. 0124) У рамках наданих даних про польові умови 180 сільськогосподарська інтелектуальна обчислювальна система 150 запускає або виконує модуль даних про фази росту 413 (наприклад, для кукурудзи, овочів (МЕ-МТ) та репродуктивні фази росту (К1-Кб)). Модуль даних про фази росту на полі 413 отримує та обробляє дані, що враховують особливості поля, та дані про навколишнє середовище 170, та введену користувачем інформацію 402 для визначення часу для прийняття ключових сільськогосподарських рішень. Сільськогосподарська інтелектуальна обчислювальна система 150 розраховує розвиток посівів для кожного посіву за допомогою фаз розвитку (агротехнічних фаз), відслідковуючи вплив погоди на бо феноменологічний розвиток посівів від висадження до збору врожаю.
І0125| В варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська інтелектуальна обчислювальна система 150 використовує дату саджання, що була введена за допомогою пристрою користувача. В іншому випадку, сільськогосподарська інтелектуальна обчислювальна система 150 може визначити дату саджання із використанням системного алгоритму. Головним чином, дату саджання може бути визначено на основі дати агрономічної фази та практики саджання у даному регіоні, що пов'язана із даними з описом поля. Практики саджання можна отримати від служби даних, наприклад, обчислювальної мережі університету, який контролює типові практики саджання у даному регіоні.
Сільськогосподарська інтелектуальна обчислювальна система 150 додатково використовує дані, що пов'язані з агротехнічними прийомами користувача в межах поточного сезону та для минулих сезонів, сприяючи, таким чином, виконанню аналізу минулих періодів.
Сільськогосподарська інтелектуальна обчислювальна система 150 визначає значення відносної зрілості посівів на основі розрахункової кількості одиниць тепла протягом періоду росту з урахуванням дати саджання, агротехнічних прийомів користувача та даних, що враховують особливості поля, та даних про навколишнє середовище 170. Так як тепло приблизно дорівнює енергії, яку отримали посіви, сільськогосподарська інтелектуальна обчислювальна система 150 розраховує прогнозовану кількість одиниць тепла для посівів та визначає розвиток фізіологічної зрілості посівів. 0126) У рамках наданих даних про польові умови 180 сільськогосподарська інтелектуальна обчислювальна система 150 використовує та виконує модуль даних про вологість грунту 414.
Модуль даних про вологість грунту 414 виконаний із можливістю визначати відсоток вмісту сумарної кількості води, що доступна посівам, які знаходяться у грунті даного поля. Модуль даних про вологість грунту 414 задає вихідні дані на початку періоду росту на основі даних про навколишнє середовище у сільськогосподарську інтелектуальну обчислювальну систему 150 у цей період часу, наприклад, користуючись даними північно-американської системи даних про освоювання земель та даних, що враховують особливості поля, та даних про навколишнє середовище 170.
І0127)| Потім значення вологості грунту узгоджуються, щонайменше, кожного дня під час періоду росту за рахунок відстеження потрапляння вологи у грунт через опади та зменшення
Зо вологості за рахунок сумарного випаровування (ЕТ). Опади без урахування випаровування виключають розраховану кількість води, яка ніколи не потрапляла у грунт за рахунок стікання.
Кількість стікання визначається на основі кількості опадів протягом тривалого періоду часу та кривої класифікації типу грунту, визначеною ИОБОА. Сільськогосподарська інтелектуальна обчислювальна система розраховує для користувача певні дані, що враховують особливості поля, та дані про навколишнє середовище 170, пов'язані з грунтом, для визначення рівня стікання та кривої стікання для певного поля. Більш легкі, піщані грунти мають більший рівень вбирання води з опадів та менш схильні до стікання протягом рясних опадів у порівнянні з важкими, більш щільними грунтами. Важкі або щільні типи грунтів мають низький рівень поглинання вологи та більше стікання опадів у ті дні, коли випадають рясні опади.
ІЇО128| Щоденне випаровування, що відноситься до вказаного користувачем поля, розраховується на основі стандартної ЕТ-моделі Пенмана-Монтейта. Розрахунок загальної кількість води, як втрата із грунту за рахунок випаровування у заданий день, заснований на наступних даних:
Максимальна та мінімальна температура у заданий день: Більш високі значення температури призводить до біль інтенсивного випаровування у порівнянні з більш низькими значеннями температури.
Широта: Протягом значної частини періоду росту посіву поля на більш північних широтах зазнають більшої сонячної радіації, у порівнянні з полями на більш південних широтах, за рахунок більшої тривалості дня. Однак поля на більш північних широтах також отримують менше радіації за рахунок незначного зміщення землі. Площі з більшою сонячною радіацією мають відносно більше значення випаровування, у порівнянні з площами з меншим значення рівня радіації.
Визначена фаза росту та розвитку посівів: Фази росту посівів, близькі до запилення, сприяють високому потенційному щоденному випаровуванню, тоді як фази, близькі до саджання та подальшого наливання зерна призводить до відносно низького випаровування, так як посіви використовують менше води у цій фазі росту.
Поточна вологість грунту: Модель сільськогосподарської інтелектуальної обчислювальної системи пояснює той факт, що посіви зберігають та використовують менше води, коли води у грунті доступно менше. Отримані значення вологості грунту підтверджують, що вищий певний 60 відсоток вологості, у залежності від типу посівів, забезпечує більш високе потенційне значення
Зо випаровування, та потенційне значення випаровування зменшується, коли значення вологості наближується до 0 95. Коли значення вологості падає нижче цього відсотку, зерно починає зберігати воду та використовувати вологість грунту менше оптимальної норми. Таке зберігання води рослинами збільшується при зменшенні значення вологості грунту, що призводить до низького значення денного випаровування.
Вітер: Випаровування залежить від вітру; тім не менш, випаровування не таке чутливе до вітру, як до інших умов. В варіанті реалізації винаходу, що наводиться у якості прикладу, встановлена швидкість вітру на рівні 2 метри за секунду використовується для всіх розрахунків випаровування.
І0129| Сільськогосподарська інтелектуальна обчислювальна система 150 додатково виконана із можливістю надавати попередження на основі інформації про погоду та поле.
Головним чином, користувач може задавати множину порогових значень для кожної із множини категорій попереджень. Коли дані про польові умови вказують на те, що було перевищено порогове значення, пристрій користувача посилає попередження. Попередження можуть надаватися за допомогою застосунку (наприклад, повідомлення під час входу у систему, ри5п- повідомлення), електронного листа, текстового повідомлення, або будь-якого відповідного метода. Повідомлення можна призначити для контролю догляду за посівами, наприклад, про розмір граду, зливи, загальну кількість опадів, вологість грунту, розвідувальні роботи, режим вітру, зображення поля, звіт про шкідників та хвороби. В іншому випадку, попередження можуть надаватися для стратегії розвитку посівів. Наприклад, повідомлення можуть надаватися на основі цін на сировину, цін на зернові, індексу придатності до обробки, фаз росту та вмісту вологи у посівах У деяких прикладах, попередження можуть вказувати на надання рекомендацій щодо порядку дій. Наприклад, попередження може надати рекомендацію, які роботи виконувати на полі (наприклад, саджання, застосування азотних добрив, обробка проти шкідників та хвороб, застосування зрошування, розвідка або сбір врожаю) у певний період часу.
Сільськогосподарська інтелектуальна обчислювальна система 150 також виконана з можливістю отримувати інформацію про сільськогосподарську діяльність, наприклад, від пристрою користувача, сільськогосподарської машини або з будь-якого іншого джерела.
Відповідно, попередження також можуть надаватися на основі зареєстрованої інформації про
Зо господарську діяльність, наприклад, саджання, застосування азотних добрив, обприскування, зрошування, спостереження або сбір врожаю. У деяких прикладах, попередження можуть надаватися незалежно від порогового значення для того, щоб вказати на певні польові умови. У деяких прикладах, попередження про щоденні опади, фазу росту, зображення поля або температуру можуть передаватися на пристрій користувача.
ІО130| Сільськогосподарська інтелектуальна обчислювальна система 150 додатково виконана з можливістю генерувати множину звітів на основі даних про польові умови 180. Такі звіти можуть використовуватися користувачем для покращення стратегії та при прийняті рішень щодо сільськогосподарської діяльності. Ці звіти можуть складатися зі звітів про фазу розвитку посіву, температуру, вологість, вологість грунту, опади, придатність до обробки та ризики від шкідників. Звіти можуть також містити одні або більше даних з описом поля 160, дані, що враховують особливості поля та дані про навколишнє середовище 170, спостереження та важливі записи, дані про польові умови 180, загальні сільськогосподарські інтелектуальні послуги (наприклад, рекомендована сільськогосподарська діяльність 190) або форму Е5А 578. 00131) Сільськогосподарська інтелектуальна обчислювальна система 150 також виконана з можливістю отримувати додаткову інформацію від пристрою користувача. Наприклад, користувач може надавати дані про події ведення журналу або спостереження, що відносяться до полів, які пов'язані з даними із описом поля. Користувач може отримати доступ до застосунку для ведення журналу на пристрої користувача та оновити сільськогосподарську інтелектуальну обчислювальну систему 150. В одному варіанті реалізації винаходу, користувач отримує доступ до сільськогосподарської інтелектуальної обчислювальної системи 150 за допомогою пристрою користувача коли він фізично знаходиться на полі для вводу даних, враховують особливості поля. Сільськогосподарська інтелектуальна обчислювальна система автоматично відображає та передає дату та час, а також дані з описом поля, що пов'язані з даними, що враховують особливості поля, такі як географічні координати та межі. Користувач може надавати загальні дані про сільськогосподарську діяльність, наприклад, поле, місцезнаходження, дату, час, посіви, зображення та примітки. Користувач також може надавати специфічні дані про певну діяльність, наприклад, саджання, застосування азотних добрив, застосування пестицидів, збір врожаю, спостереження та поточні погодні спостереження. Така додаткова інформація може бути пов'язана з обчислювальною мережею та використовуватися користувачем для аналізу.
ІО132| Сільськогосподарська інтелектуальна обчислювальна система 150 додатково виконана із можливістю відображати події ведення журналу та спостережень, що пов'язані з отриманням даних, що враховують особливості поля, від користувача за допомогою однієї або більше сільськогосподарських машин або пристроїв сільськогосподарських машин, які обмінюються даними з сільськогосподарською інтелектуальною обчислювальною системою 150, або за допомогою пристрою користувача. Така інформація може відображатися як вказано користувачем. В одному прикладі, інформація відображається у календарі на пристрої користувача, при цьому користувач, при необхідності, може отримати додаткові деталі щодо цієї інформації. В іншому прикладі, інформація відображається у таблиці на пристрої користувача, при цьому користувач може вибрати певні категорії інформації, які користувач бажає переглянути. Сільськогосподарський інтелектуальний модуль 420 Модуль радника із саджання 421
ІО133| Сільськогосподарська інтелектуальна обчислювальна система 150 додатково виконана із можливістю надання сільськогосподарських інтелектуальних послуг, пов'язаних із саджанням. Точніше кажучи, сільськогосподарська інтелектуальна обчислювальна система 150 містить множину сільськогосподарських інтелектуальних модулів 420 (або модулів сільськогосподарської діяльності), що можуть використовуватися для визначення рекомендацій щодо сільськогосподарської діяльності 190, які надаються фермеру 110. Щонайменше, у деяких прикладах, сільськогосподарські інтелектуальні модулі 420 можуть бути аналогічними сільськогосподарським інтелектуальним модулям 158 та 159 (що проілюстровані на Фіг. 1).
Щонайменше, у деяких прикладах, модуль радника із саджання 421 може бути аналогічним сільськогосподарським інтелектуальним модулям 158 та 159 (що проілюстровані на Фіг. 1). Такі сільськогосподарські інтелектуальні модулі 420 можуть називатися сільськогосподарські інтелектуальні послуги та можуть містити модуль радника із саджання 421, модуль радника із застосування азотних добрив 422, модуль радника зі шкідників 423, модуль радника зі здоров'я поля 424 та модуль радника зі збору врожаю 425. В одному прикладі варіанту реалізації винаходу, модуль радника із саджання 421 обробляє дані, що враховують особливості поля та дані про навколишнє середовище 170, та введену користувачем 402 інформацію для визначення а надання рекомендацій щодо дати саджання. Такі рекомендації є специфічними для місцезнаходження поля та адаптовані відповідно до поточних даних про польові умови. 0134) В одному варіанті реалізації винаходу, модуль радника із саджання 421 отримує один або більше наступних елементів даних для кожного поля, що ідентифіковано користувачем (як визначено із даних з описом поля), для визначення та надання таких рекомендацій щодо дати саджання: 1. Першим набором елементів даних є дані з характеристиками насіння. Дані з характеристиками насіння можуть містити будь-яку характерну інформацію щодо насіння, яке посаджене або буде посаджене. Дані з характеристиками насіння можуть містити, наприклад, дані про виробника насіння, дані про вартість насіння, дані про щільність висаджування, дані про гібрид насіння, дані про рівень зрілості насіння, дані про спротив насіння хворобам та будь- які інші відповідні дані про насіння. Дані про компанію-виробника насіння можуть вказувати на виробника або постачальника насіння. Дані про вартість насіння можуть вказувати на ціну насіння для даної кількості, ваги або об'єму насіння. Дані про щільність висаджування насіння можуть містити об'єм висадженого насіння (або призначеного для висадження) або щільність висаджено насіння (або призначеного для висадження). Дані про гібрид насіння можуть містити будь-яку інформацію стосовно біологічного матеріалу насіння (наприклад, із яких рослин було створено гібридну форму даного насіння). Дані про рівень зрілості насіння можуть містити, наприклад, відносний рівень зрілості даного насіння (наприклад, значення порівняльної ступені відносної зрілості ("СЕМ") або "шовкової" порівняльної ступені зрілості ("шовкової СКМ"), одиниці ступеня росту до певної фази, наприклад, викидання маточкових стовпчиків, середнє запліднення, шар черні або цвітіння, та відносний рівень зрілості для даного насіння при фізіологічній зрілості ("Фіз. СЕМ"). Дані про спротив насіння хворобам можуть містити будь-яку інформацію щодо спротиву насіння певним хворобам. В варіанті реалізації винаходу, що наводиться у якості прикладу, дані про спротив хворобам містять дані щодо спротиву таким хворобам, як сіра плямистість листя, північний бактеріальний опік листя, антрактозна гниль стебла, в'янення Госса, глазкова плямистість листя кукурудзи, глазкова плямистість, іржа кукурудзи, антрактозна плямистість листя, південна іржа, південний вірусний комплекс, плямистість листя Стюарта, смертельний некроз кукурудзи, курна сажка кукурудзи, діплодіоз, суха гниль качанів та стебелів кукурудзи, та фузаріозна гниль кореневої шийки. Інші відповідні 60 дані про насіння можуть містити, наприклад, дані, щодо висихання зерна, сили стебла, сили кореня, екстреного впливу, стресової схожості, засухостійкості, гнучкості качана, восьмого критерію, висоти рослини, висоти качана, ламкості ніжки у середній сезон, потужності рослин, реакції на фунгіциди, чуттєвості до регуляторів росту, чуттєвості до інгібіторів пігменту, чуттєвості до сульфонілсечовини, періоду збору врожаю, текстури ендосперму зернівки, схожості, ознаки сбіру врожаю, щільності врожаю, самосіву, кольору стрижня та листової обгортки. 2. Другим набором елементів даних є дані, що враховують особливості поля, щодо складу грунтів. Такі дані, що враховують особливості поля, можуть містити вимірювання кислотності або лужності грунту (наприклад, рівні рН), рівень органічних речовин у грунту (рівень "ОМ", та рівні обмінної ємності катіонів ("рівні СЕС") 3. Третім набором елементів даних є дані, що враховують особливості поля, пов'язані з полем. Такі дані, що враховують особливості поля, можуть містити назви поля та ідентифікатори, типи грунту або класифікацію, стан обробки, стан зрошування. 4. Четвертим набором елементів даних є дані, що враховують особливості поля, щодо минулих даних про збір врожаю. Такі дані, що враховують особливості поля, можуть містити тип посівів або класифікацію, дату збору врожаю, фактичну історію виробництва ("АРН"), врожайність, вологість зернових та прийоми механічної обробки.
У деяких прикладах, користувачі можуть отримати запити на пристрої користувача на надання п'ятого набору елементів даних за рахунок відповіді на запитання щодо бажаної щільності саджання (наприклад, загального об'єму посіву та загальної щільності посіву для певного поля) та/або вартості насіння, прогнозованої врожайності, нотатки про бажані ризики (наприклад, загальні або специфічні: користувач бажає ризикнути певною кількістю бушелів з акру для підвищення вірогідності отримання певної кількості бушелів з акру), якщо така інформація не була надана сільськогосподарській інтелектуальній обчислювальній системі.
І0135| Модуль радника з саджання 421 отримує та обробляє набори елементів даних для симуляції потенційно можливого врожаю. Потенційно можливий врожай розраховується для різних дат саджання. Модуль радника з саджання 421 додатково використовує уточнюючі дані для генерування таких симуляцій. Уточнюючі дані можуть містити дані про погоду, яка була симульована між датою саджання та датою сбіру врожаю, придатність поля до обробки, сезонні
Зо ризики заморозків, ризики посухи, ризики спеки, ризики надлишкової вологості, розрахункову температуру грунту та/або стійкість до окремих видів ризиків. Стійкість до окремих видів ризиків може бути розрахована на основі сценарію високого прибутку/високого ризику, сценарію низького ризику сценарії збалансованого ризику/доходу та сценарію, що заданий по користувачем. Модуль радника з саджання 421 генерує таку симуляцію для кожної дати саджання та відображає надання рекомендацій щодо дати саджання користувачеві на пристрої користувача. Надання рекомендацій містить надання рекомендацій щодо дати саджання, розрахункової врожайності, відносної зрілості, та відображає розрахункову врожайність у порівнянні з датою саджання. У деяких прикладах, модуль радника із саджання також графічно відображає розрахункову врожайність у порівнянні з датою саджання для весняних ризиків заморозків, датою саджання для всіх ризиків заморозків, датою саджання для ризиків посухи, датою саджання для ризиків спеки, датою саджання для ризиків надлишкової вологості, датою саджання для розрахункової температури грунту та датою саджання для стійкості для різноманітних видів ризиків. Модуль радника з саджання 421 надає варіанти вибору моделювання та відображення альтернативних сценаріїв врожайності для даних із саджання та розрахованої врожайності за рахунок модифікації одного або більше елементів даних, пов'язаних із даними з характеристиками насіння, даними, що враховують особливості поля, бажаної щільності саджання та або вартості насіння, прогнозованої врожайності, та/або інформації щодо бажаних ризиків. Альтернативні сценарії врожайності можуть бути відображені та відображені графічно на пристрої користувача разом із наданням первинних рекомендацій.
Модуль радника зі застосування азотних добрив 422
ІО136| Сільськогосподарська інтелектуальна обчислювальна система 150 додатково виконана із можливістю надання сільськогосподарських інтелектуальних послуг, пов'язаних із грунтом, за рахунок використання модуля радника із застосування азотних добрив 422.
Щонайменше, у деяких прикладах, модуль радника із застосування азотних добрив 422 може бути аналогічним сільськогосподарським інтелектуальним модулям 158 та 159 (що проілюстровані на Фіг. 1). Модуль радника із застосування азотних добрив 422 визначає потенційну потребу в азотних добривах у грунті та надає рекомендації користувачеві щодо виконання робіт і застосування азотних добрив. Точніше кажучи, модуль радника і застосування азотних добрив 422 виконаний із можливістю визначати умови, при яких потреба насіння не бо забезпечується азотом, що знаходиться у грунті. В одному варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника із застосування азотних добрив 422 надає рекомендації щодо підкормки або розпилювання, наприклад, дати та ступеню, у залежності від місцезнаходження поля, адаптовані до поточних польових умов. В одному варіанті реалізації винаходу, модуль радника із застосування азотних добрив 422 виконаний із можливістю отримувати один або більше наступних елементів даних для кожного поля, що ідентифіковано користувачем (як визначено із даних з описом поля): 1. Першим набором елементів даних є дані з інформацією про навколишнє середовище.
Інформація про навколишнє середовище може містити інформацію, що пов'язана з погодою, опадами, метеорологічними умовами, фенологію грунту та насіння. 2. Другим набором елементів даних є дані, що враховують особливості поля, щодо даних поля. Такі дані, що враховують особливості поля, можуть містити назви поля та ідентифікатори, типи грунту або класифікацію, стан обробки, стан зрошування. 3. Третім набором елементів даних є дані, що враховують особливості поля, щодо минулих даних про збір врожаю. Такі дані, що враховують особливості поля, можуть містити тип посівів або класифікацію, дату збору врожаю, фактичну історію виробництва ("АРН"), врожайність, вологість зернових та прийоми механічної обробки. 4. Четвертим набором елементів даних є дані, що враховують особливості поля, щодо складу грунтів. Такі дані, що враховують особливості поля, можуть містити вимірювання кислотності або лужності грунту (наприклад, рівні рН), рівень органічних речовин у грунту (рівень "ОМ", та рівні обмінної ємності катіонів ("рівні СЕС") 5. П'ятим набором елементів даних є дані, що враховують особливості поля, щодо даних про саджання. Такі дані, що враховують особливості поля, можуть містити дату саджання, тип або типи насіння, рівні відносної зрілості (КМ) посадженого насіння, та щільності посадки насіння. 6. Шостим набором елементів даних є дані, що враховують особливості поля, щодо даних про азотні добрива. Такі дані, що враховують особливості поля, можуть містити дати застосування азотних добрив, кількість застосування азотних добрив та джерела застосування азотних добрив. 7. бьомим набором елементів даних є дані, що враховують особливості поля, щодо даних
Зо про зрошування. Такі дані, що враховують особливості поля, можуть містити дати застосування зрошування, об'єм зрошування та джерела зрошування.
ІО137| На основі наборів елементів даних модуль радника із застосування азотних добрив 422 визначає рекомендації щодо застосування азотних добрив. Як описано нижче, надання рекомендацій містить список полів із достатньою кількістю азоту, список полів із недостатньою кількістю азоту, та рекомендоване застосування азотних добрив для полів з недостатньою кількістю азоту. 0138) У деяких прикладах, користувачі можуть отримати запит на пристрої користувача для відповіді на запитання щодо прийомів застосування азотних добрив (наприклад, підкормки, розпилювання) та їх вартості, наприклад, типів азотних добрив (наприклад, рідкий аміак, сечовина, ШАМ (аміакат сечовини і аміачної селітри) 28 95, З0 95 або 32 95, нітрат амонію, сульфат амонію, кальцієвий нітрат амонію), вартості азотних добрив, останньої фази росту насіння, у яку застосовувалися азотні добрива, обладнання для застосування, затрат на оплату праці, прогнозованої вартості насіння, прийомів механічної обробки (наприклад, типу (умовна оранка, безоранкова, обмежена обробка землі, смугова оранка) та розміру площі поля, яку було оброблено), відповідні агротехнічні прийоми (наприклад, внесення навозу, стабілізація азоту, захисне насадження), а також про попередні дані про насіння (наприклад, тип насіння, дата збору врожаю, фактичну історію виробництва (АРН), врожайність, прийоми механічної обробки), поточні дані про насіння (наприклад, дата саджання, тип насіння, відносна зрілість (КМ) висадженого насіння, щільність насіння), характеристики грунту (рН, ОМ, СЕС), якщо така інформація не була надана сільськогосподарській інтелектуальній обчислювальній системі. Для певних запитань, наприклад, про останню фазу росту насіння, у яку застосовувалися азотні добрива, застосовне обладнання, затрати на оплату праці - користувач має варіанти вибору для надання множини альтернативних відповідей, за допомогою яких сільськогосподарська інтелектуальна обчислювальна система може оптимізувати надання рекомендацій радником із застосування азотних добрив.
І0139| Використовуючи інформацію про навколишнє середовище, дані, що враховують особливості поля, дані про прийоми та вартість застосування азотних добрив, попередні дані про посіви, поточні дані про посіви, та/(або характеристики грунту модуль радника із застосування азотних добрив 422 ідентифікує доступний вміст азоту у кожному полі та симулює 60 можливі прийоми застосування азотних добрив, дати, ступінь, та наступну дату, у яку значення придатності до обробки буде мати значення "Зелений", беручі до уваги прогнозовану придатність до обробки та втрату азоту за рахунок вилуговування, денітрифікації та випаровування. Модуль радника із застосування азотних добрив 422 генерує та відображає на пристрої користувача рекомендації щодо застосування азотних добрив. Таке надання рекомендацій містить: 1. Список полів, які мають достатній рівень азоту, включаючи доступний рівень азоту для кожного поля, дату останнього застосування та рівень застосованого азоту. 2. Список полів, де рекомендоване застосування азоту, включаючи доступний рівень азоту для кожного поля, рекомендований прийом застосування, рекомендовану дату застосування, рекомендований рівень застосування та наступну дату, у яку придатність до обробки азотними добривами буде мати значення "Зелений". 3. Рекомендовані для кожного поля дати застосування азотних добрив. У деяких прикладах, рекомендовані дати можуть бути оптимізовані як для врожаю, так і для доходу від інвестицій. У деяких прикладах, рекомендованими датами можуть бути дати, у які мінімальний прогнозований рівень азоту на полі досягне мінімального порогового значення без проміжного застосування азотних добрив. У деяких прикладах, рекомендовані дати можуть бути включені або, навпаки, вибрані на основі доступного обладнання, яке вказано користувачем; наприклад, якщо обладнання для застосування азотних добрив не доступне після даної фази росту, переважно рекомендовані дати обираються до прогнозованої дати, у яку буде досягнена ця фаза росту. 4. Можливі рекомендовані норми застосування азотних добрив для кожного поля або рекомендовані дати застосування. У деяких прикладах, рекомендовані норми застосування азотних добрив можуть бути оптимізовані як для врожаю, так і для доходу від інвестицій.
І0140| Користувач має варіанти вибору моделювання та відображення втрати азоту (загальної та розділеною за втратами в результаті випаровування, денітрифікації та вилуговування), та отримання посівами азоту ("поглинання") на протязі певного періоду часу (попередньо заданого або визначеного користувачем) для рекомендованого застосування азотних добрив по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та норми, що увів користувач. Користувач має варіанти вибору моделювання та відображення розрахованого доходу від інвестицій для
Ко) рекомендованого застосування азотних добрив по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та норми, що увів користувач. Альтернативні сценарії застосування азотних добрив можуть бути відображені та відображені графічно на пристрої користувача разом із наданням первинних рекомендацій.
Користувач має додатковий варіант вибору моделювання та відображення розрахованого доходу (мінімального, середнього та максимального) для рекомендованого застосування азотних добрив по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та норми, що увів користувач. Користувач має додатковий варіант вибору моделювання та відображення розрахованого доступного рівня азоту протягом будь-якого періоду часу, що вказаний користувачем, для рекомендованого застосування азотних добрив по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та норми, що увів користувач.
Користувач має додатковий варіант вибору роботи радника із застосування азотних добрив (використання радника із застосування азотних добрив) для одного або більше підпорядкованих полів або зон управління всередині поля. Модуль радника зі шкідників (або модуль радника зі шкідників та хвороб) 423
ІО141| Сільськогосподарська інтелектуальна обчислювальна система 150 додатково виконана із можливістю надання сільськогосподарських інтелектуальних послуг, пов'язаних зі шкідниками та хворобами, за рахунок використання модулю радника із шкідників 423.
Щонайменше, у деяких прикладах, модуль радника із шкідників 423 може бути аналогічним сільськогосподарським інтелектуальним модулям 158 та 159 (що проілюстровані на Фіг. 1).
Модуль радника зі шкідників 423 виконаний із можливістю ідентифікувати ризики, які завдають посівам шкідники та/"або хвороби. В варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника зі шкідників 423 ідентифікує ризики, до яких призводять шкідники, які є причиною найбільших економічних збитків посівам у США. Такими шкідниками, наприклад, є: злаковий кореневий черв'як, совка кукурудзяна, соєва попелиця, західна бобова совка, метелик кукурудзяний, совка лугова, жук листоїд, хрущик японський та звичайний павутинний кліщ. У деяких прикладах, радник зі шкідників та хвороб надає додатковий аналіз для кожного шкідника, розподілений за фазами росту (наприклад, личинкова або фаза дорослої комахи). Модуль радника зі шкідників 423 також ідентифікує ризики хвороб, які є причиною найбільших бо економічних збитків посівам у США. Такими хворобами є: сіра плямистість листя, північний бактеріальний опік листя, антрактозна гниль стебла, в'янення Госса, глазкова плямистість листя кукурудзи, глазкова плямистість, іржа кукурудзи, антрактозна плямистість листя, південна іржа, південний вірусний комплекс, плямистість листя Стюарта, смертельний некроз кукурудзи, курна сажка кукурудзи, діплодіоз, суха гниль качанів та стебелів кукурудзи, та фузаріозна гниль кореневої шийки. Радник зі шкідників також виконаний із можливістю надання рекомендацій щодо прийомів спостереження та методів обробки для реагування на такі ризики від шкідників та хвороб. Радник зі шкідників 423 також виконаний із можливістю надання попереджень на основі вивчення шкідників у регіонах, близьких до полів користувача.
І0142| В одному варіанті реалізації винаходу, модуль радника зі шкідників 423 може отримувати один або більше наступних елементів даних для кожного поля, що ідентифіковано користувачем (як визначено із даних з описом поля): 1. Першим набором елементів даних є дані з інформацією про навколишнє середовище.
Інформація про навколишнє середовище містить інформацію, пов'язану з погодою, опадами, метеорологічними умовами, фенологію грунту та звітами про шкідників і хвороби. У деяких прикладах, звіти про шкідників та хвороби можуть бути отримані від серверів або джерел даних сторонніх постачальників, наприклад, університету або урядового відділу звітів. 2. Другим набором елементів даних є дані з характеристиками насіння. Дані з характеристиками насіння можуть містити будь-яку характерну інформацію щодо насіння, яке посаджене або буде посаджене. Дані з характеристиками насіння можуть містити, наприклад, дані про виробника насіння, дані про вартість насіння, дані про щільність висаджування, дані про гібрид насіння, дані про рівень зрілості насіння, дані про спротив насіння хворобам та будь- які інші відповідні дані про насіння. Дані про компанію-виробника насіння можуть вказувати на виробника або постачальника насіння. Дані про вартість насіння можуть вказувати на ціну насіння для даної кількості, ваги або об'єму насіння. Дані про щільність саджання насіння можуть містити об'єм висадженого насіння (або призначеного для висадження) або щільність висаджено насіння (або призначеного для висадження). Дані про гібрид насіння можуть містити будь-яку інформацію стосовно біологічного матеріалу насіння (наприклад, із яких рослин було створено гібридну форму даного насіння). Дані про рівень зрілості насіння можуть містити, наприклад, відносний рівень зрілості даного насіння (наприклад, значення порівняльної ступені
Зо відносної зрілості ("СЕМ") або "шовкової" порівняльної ступені зрілості ("шовкової СКМ"), одиниці ступеня росту до певної фази, наприклад, викидання маточкових стовпчиків, середнє запліднення, шар черні або цвітіння, та відносний рівень зрілості для даного насіння при фізіологічній зрілості ("Фіз. СЕМ"). Дані про спротив насіння хворобам можуть містити будь-яку інформацію щодо спротиву насіння певним хворобам. В варіанті реалізації винаходу, що наводиться у якості прикладу, дані про спротив хворобам містять дані щодо спротиву таким хворобам, як сіра плямистість листя, північний бактеріальний опік листя, антрактозна гниль стебла, в'янення Госса, глазкова плямистість листя кукурудзи, глазкова плямистість, іржа кукурудзи, антрактозна плямистість листя, південна іржа, південний вірусний комплекс, плямистість листя Стюарта, смертельний некроз кукурудзи, курна сажка кукурудзи, діплодіоз, суха гниль качанів та стебелів кукурудзи, та фузаріозна гниль кореневої шийки. Інші відповідні дані про насіння можуть містити, наприклад, дані, щодо висихання зерна, сили стебла, сили кореня, екстреного впливу, стресової схожості, засухостійкості, гнучкості качана, восьмого критерію, висоти рослини, висоти качана, ламкості ніжки у середній сезон, потужності рослин, реакції на фунгіциди, чуттєвості до регуляторів росту, чуттєвості до інгібіторів пігменту, чуттєвості до сульфонілсечовини, періоду збору врожаю, текстури ендосперму зернівки, схожості, ознаки сбіру врожаю, щільності врожаю, самосіву, кольору стрижня та листової обгортки. 3. Третім набором елементів даних є дані, що враховують особливості поля, щодо даних про саджання. Такі дані, що враховують особливості поля, можуть містити, наприклад, дату саджання, тип насіння, рівні відносної зрілості (ЕМ) посадженого насіння, та щільності посадки насіння. 4. Четвертим набором елементів даних є дані, що враховують особливості поля, щодо даних про пестициди. Такі дані, що враховують особливості поля, можуть містити, наприклад, дату застосування пестицидів, тип пестициду (вказаного, наприклад, за допомогою реєстраційного номеру Агентства з захисту навколишнього середовища), рецептуру пестициду, норму витрати пестицидів, дані про тестування пестицидів на полі, кількість розпилених пестицидів та джерело пестицидів. 0143) У деяких прикладах, користувачі можуть отримати запит на пристрої користувача для відповіді на запитання, пов'язані з прийомами застосування пестицидів та вартістю, наприклад, 60 типом продукту, датою застосування, рецептурою, нормами, тестуваннями на полі, кількістю,
джерелом, вартістю, найбільш пізньою фазою росту посівів, у яку застосовувалися пестициди, обладнанням для застосування, затратами на оплату праці, а також поточними даними про посіви (наприклад, датою саджання, типом насіння, відносною зрілістю (КМ) посадженого насіння, щільності саджання насіння), якщо така інформація не була надана сільськогосподарській інтелектуальній обчислювальній системі. Відповідно, модуль радника зі шкідників 423 отримує такі дані від пристроїв користувача. Для певних запитань, наприклад, про останню фазу росту насіння, у яку застосовувалися пестициди, застосовне обладнання, затрати на оплату праці - користувач має варіант вибору для надання множини альтернативних відповідей, за допомогою яких сільськогосподарська інтелектуальна обчислювальна система 150 може оптимізувати надання рекомендацій радником зі шкідників та хвороб. (0144) Модуль радника зі шкідників 423 виконаний із можливістю отримувати та обробляти усі такі набори елементів даних та дані, що отримані від користувача, та симулювати можливі прийомі застосування пестицидів. Симуляція можливих прийомів застосування пестицидів містить дати, норми та наступні дати, у які придатність до обробки пестицидами має значення "Зелений", з урахуванням прогнозованої придатності до обробки. Модуль радника зі шкідників 423 генерує та відображає на пристрої користувача рекомендації щодо спостереження та обробки. Рекомендації щодо спостереження містять щоденний (або вказаний користувачем) період часу для спостереженням за певними шкідниками та хворобами. Користувач має варіант вибору відображення певної підмножини шкідників та хвороб, а також додаткової інформації щодо певних шкідників або хвороб. Рекомендації щодо обробки містить список полів, де рекомендоване застосування пестицидів, включаючи рекомендовані прийоми застосування для кожного поля, рекомендовані дати застосування, рекомендовані норми застосування та наступну дату, у яку придатність до обробки пестицидами буде мати значення "Зелений".
Користувач має варіант вибору моделювання та відображення розрахованого доходу від інвестицій для рекомендованого застосування пестицидів по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та норми, що увів користувач. Альтернативні сценарії застосування пестицидів можуть бути відображені та відображені графічно на пристрої користувача разом із наданням первинних рекомендацій.
Користувач має додатковий варіант вибору моделювання та відображення розрахованого доходу (мінімального, середнього та максимального) для рекомендованого застосування пестицидів по відношенню до одного або більше альтернативних сценаріїв на основі індивідуального прийому застосування, дати та норми, що увів користувач. Модуль радника зі здоров'я поля 424 0145) Сільськогосподарська інтелектуальна обчислювальна система 150 також виконана із можливістю надання інформації щодо здоров'я та якості областей поля 120. Щонайменше, у деяких прикладах, модуль радника зі здоров'я поля 424 може бути аналогічним сільськогосподарським інтелектуальним модулям 158 та 159 (що проілюстровані на Фіг. 1).
Модуль радника зі здоров'я поля 424 ідентифікує якість здоров'я посівів протягом сезонного циклу та використовує таке визначення здоров'я посівів для надання рекомендацій щодо спостереження або обстеження у зонах з незадовільним здоров'ям поля. Точніше кажучи, модуль радника зі здоров'я поля 424 отримує та обробляє дані зображень поля для визначення, ідентифікації та надання значень індексу здоров'я біомаси. Значення індексу здоров'я біомаси може знаходитися у діапазоні від нуля (що вказує на відсутність біомаси) до 1 (що вказує на максимальну кількість біомаси). В варіанті реалізації винаходу, що наводиться у якості прикладу, значення індексу має певну кольорову схему, таким чином, кожне зображення має закодовану кольором схему здоров'я біомаси (наприклад, коричневі зони вказують на зони у полі з низьким відносним здоров'ям біомаси). В одному варіанті реалізації винаходу, модуль радника зі здоров'я поля 424 виконаний із можливістю отримувати один або більше наступних елементів даних для кожного поля, що ідентифіковано користувачем (як визначено із даних з описом поля): 1. Першим набором елементів даних є дані з інформацією про навколишнє середовище.
Така інформація про навколишнє середовище містить інформацію щодо супутникових зображень, аерофотозйомки, наземних зображень та фенології посівів. 2. Другим набором елементів даних є дані, що враховують особливості поля, щодо даних поля. Такі дані, що враховують особливості поля, можуть містити ідентифікатори поля та грунту, наприклад, назви поля та типи грунтів. 3. Третім набором елементів даних є дані, що враховують особливості поля, щодо даних про склад грунту. Такі дані, що враховують особливості поля, можуть містити вимірювання кислотності або лужності грунту (наприклад, рівні рН), рівень органічних речовин у грунту бо (рівень "ОМ", та рівні обмінної ємності катіонів ("рівні СЕС")
4. Четвертим набором елементів даних є дані, що враховують особливості поля, щодо даних про саджання. Такі дані, що враховують особливості поля, можуть містити, наприклад, дату саджання, тип насіння, рівні відносної зрілості (КМ) посадженого насіння, та щільності посадки насіння.
І0146| Модуль радника зі здоров'я поля 424 отримує та обробляє всі такі елементи даних (разом із даними зображення поля) для визначення та ідентифікації індексу здоров'я посіву для кожного місцезнаходження, у якому кожне поле, що ідентифіковане користувачем, кожен раз має нове доступне зображення поля. В варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника зі здоров'я поля 424 визначає індекс здоров'я поля як нормалізований різницевий індекс рослинності ("МОМ") на основі, щонайменше, одного значення відбивної здатності ближнього інфрачервоного діапазону ("МІК") та, щонайменше, одного значення відбивної здатності видимого спектру на кожному положенні сітки у полі. У іншому варіанті реалізації винаходу, що наводиться у якості прикладу, індекс здоров'я посівів уявляє собою МОМІ на основі багатоспектральної відбивної здатності.
І0147| Модуль радника зі здоров'я поля 424 генерує та відображає на пристрої користувача мапу індексу здоров'я у вигляді прозорого шару на мапі агрофотозйомки для кожного поля, що було ідентифіковане користувачем. У варіанті реалізації винаходу, що наводиться у якості прикладу, для кожного поля модуль радника зі здоров'я поля буде відображати дату зображення поля, фазу росту посіву у цей час, вологість грунту у цей час та мапу індексу здоров'я у вигляді прозорого шару на мапі аерофотозйомки цього поля. У варіанті реалізації винаходу, що наводиться у якості прикладу, роздільна здатність зображення знаходиться у межах від 5 м до 0,25 см. Користувач має варіант вибору моделювання та відображення списку полів на основі дати зображення поля та/або індексу здоров'я посівів (наприклад, від поля з найменшими загальними значеннями індексу здоров'я до поля з найвищими загальним значеннями індексу здоров'я, від поля з найвищими загальними значеннями індексу здоров'я до поля з найнижчими загальними значеннями індексу здоров'я, найнижча мінливість значення індексу здоров'я всередині поля, найвища мінливість значення індексу здоров'я всередині поля, або як вказано користувачем). Користувач також має варіант вибору моделювання та відображення порівняння індексу здоров'я посівів для поля протягом певного періоду часу
Зо (наприклад, порівняння пліч-о-пліч, перехресного порівняння). В варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника зі здоров'я поля надає користувачеві можливість вибору місцезнаходження на полі для отримання більш детальної інформації про індекс здоров'я, типу грунту або висоти на певному місцезнаходженні. В варіанті реалізації винаходу, що наводиться у якості прикладу, модуль радника зі здоров'я поля надає користувачеві можливість зберегти вибране місцезнаходження, пов'язану із ним інформацію та короткі нотатки таким чином, щоб користувач міг вилучити аналогічну інформацію на пристрої користувача, коли він знаходиться на полі.
Модуль радника зі збору врожаю 425
ІО148| Сільськогосподарська інтелектуальна обчислювальна система 150 додатково виконана із можливістю надання сільськогосподарських інтелектуальних послуг, пов'язаних із терміном та механізмами збору врожаю, за рахунок використання модулю зі збору врожаю 425.
Щонайменше, у деяких прикладах, модуль радника зі збору врожаю 425 може бути аналогічним сільськогосподарським інтелектуальним модулям 158 та 159 (що проілюстровані на Фіг. 1) та, точніше кажучи, модулю радника зі збору врожаю 158.
І0149|) Обчислювальний модуль радника зі збору врожаю 425 обмінюється даними з сільськогосподарською інтелектуальною обчислювальною системою 150. Сільськогосподарська інтелектуальна обчислювальна система 150 отримує та зберігає дані з описом поля 160, дані, що враховують особливості поля, та дані про навколишнє середовище 170, та дані про польові умови 180 всередині її запам'ятовувального пристрою. Обчислювальний модуль радника зі збору врожаю 425 отримує та обробляє дані з описом поля 160, дані, що враховують особливості поля, та дані про навколишнє середовище 170, дані про польові умови 180 з сільськогосподарської інтелектуальної обчислювальної системи 150 для надання (їі) прогнозованих значень вологості зернових під час висихання певного поля до збору врожаю, (ії) розрахункової дати, коли певне поле досягне заданого значення вологості, та (ії) рекомендацій щодо збору врожаю та саджання на одному або більше полів. Точніше кажучи, обчислювальний модуль радника зі збору врожаю 425 виконаний із можливістю: (ї) ідентифікації начальної дати посівів всередині поля (наприклад, дату шару черні); (ії) ідентифікації та початкового значення вологості, пов'язаного з посівами та початковою датою; (ії) ідентифікації заданого значення вологості врожаю, пов'язаного з посівами; (ім) отримання даних про польові умови, пов'язані з бо полем; (у) розрахунку заданої дати збору врожаю для посівів на основі, щонайменше, частково,
початкової дати, початкового значення вологості та даних про польові умови та заданого значення вологості при зборі врожаю, при цьому задана дата збору врожаю вказує на дату, у яку посіви будуть мати значення вологості, що приблизно дорівнює заданому значенню вологи при зборі врожаю; та (мі) відображення фермеру заданої дати збору врожаю даних посівів для панування збору врожаю. Задане значення вологості при зборі врожаю відображає значення, яке фермер 110 має бажання отримати для посівів під час збору врожаю (наприклад, на дату збору врожаю). Таким чином, обчислювальний модуль радника зі збору врожаю 425 допомагає фермеру приблизно розраховувати, коли дане поле буде готове до збору врожаю з урахуванням розрахованого значення вологості протягом певного періоду часу, та прийняти до уваги як прогнозовані минулі погодні дані, так і майбутні погодні дані на даному полі. Модуль радника із доходу від врожаю 426
ІО150| Сільськогосподарська інтелектуальна обчислювальна система 150 додатково виконана із можливістю надання сільськогосподарських інтелектуальних послуг, пов'язаних з продажем та маркетингом посівів, за рахунок використання модулю радника із доходу від врожаю 426. Щонайменше, у деяких прикладах, модуль радника із доходу від врожаю 426 може бути аналогічним сільськогосподарським інтелектуальним модулям 158 та 159 (що проілюстровані на Фіг. 1) та, точніше кажучи, модулю радника із доходу від врожаю 159.
ЇО151| Модуль радника із доходу від врожаю 426 обмінюється даними з сільськогосподарською інтелектуальною обчислювальною системою 150. Сільськогосподарська інтелектуальна обчислювальна система 150 отримує та зберігає дані з описом поля 160, дані, що враховують особливості поля, та дані про навколишнє середовище 170, та дані про польові умови 180 всередині її запам'ятовувального пристрою. Модуль радника із доходу від врожаю 426 отримує та обробляє дані з описом поля 160 та дані про польові умови 180, отримані від сільськогосподарської інтелектуальної обчислювальної системи 150 для надання (ї) щоденного прогнозу врожайності на національному рівні, рівні фермерського господарства та рівні поля, (ії) поточної вартості посівів на національному та місцевому рівні, (її) щоденного прогнозованого доходу на рівні фермерського господарства та поля, та (ім) щоденного прибутку, що розрахований для поля, фермерського господарства та акру. Точніше кажучи, модуль радника із доходу від врожаю 426 виконаний із можливістю: (ї) отримувати дані про польові умови 180 та дані з описом поля 160 від сільськогосподарської інтелектуальної обчислювальної системи 150 для кожного поля 120 фермера 110, при цьому дані про польові умови 180 містять умови фаз росту, погодні умови на полі, вологість грунту та умови опадів, і при цьому дані з описом поля містять ідентифікатори поля, географічні ідентифікатори, ідентифікатори меж та ідентифікатори посівів; (ії) отримувати дані про вартість від фермера 110, при цьому дані про вартість містять вартість, що відноситься до окремого поля 120 або всіх полів, пов'язаних з фермером 110; (їїї) отримувати дані про вартість посівів від місцевих та національних джерел; (ім) обробляти дані про польові умови 180, дані про ціни на посіви та дані про вартість для визначення даних про врожайність, даних про доходи від врожаю, та дані про прибуток для кожного поля 120 фермера 110; та (м) виводити дані про врожайність, дані про дохід від врожаю та дані про прибуток на пристрій користувача 112, 114, 116 та/або 118. Дані про врожайність, дані про дохід від врожаю, та дані про прибуток відносяться до окремого поля, і можуть додатково відноситися до множини додаткових полів, пов'язаних з фермером. Дані про врожайність містять розраховану врожайність для високого, низького та очікуваного випадку для кожного поля та на національному рівні. Дані про дохід від врожаю містять розрахований дохід на основі національних та місцевих цін для кожного поля. Дані про прибуток містять розрахований прибуток для кожного поля для розрахованого високого, низького та очікуваного випадку.
ІО152| На Фіг. 5 зображений приклад способу для керування сільськогосподарською діяльністю у сільськогосподарському середовищі 100 (що проілюстроване на Фіг. 1). Спосіб 500 реалізовано сільськогосподарською інтелектуальною обчислювальною системою 150 (що проілюстрована на Фіг. 1). Сільськогосподарська інтелектуальна обчислювальна система 150 отримує 510 множину даних з описом поля. Сільськогосподарська інтелектуальна обчислювальна система 150 вилучає 520 множину вхідних даних з множини обчислювальних мереж 130А, 1308 та 140. Сільськогосподарська інтелектуальна обчислювальна система 150 визначає 530 ділянку поля на основі даних з описом поля. Сільськогосподарська інтелектуальна обчислювальна система 150 ідентифікує 540 підмножину набору даних із множини вхідних даних, що пов'язані з ділянкою поля. Сільськогосподарська інтелектуальна обчислювальна система 150 визначає 550 множину даних про польові умови на основі підмножини набору даних з множини вхідних даних. Сільськогосподарська інтелектуальна обчислювальна система 150 надає 560 множину даних про польові умови на пристрій користувача.
ІЇО153| На Фіг. б зображений приклад способу для надання рекомендацій щодо сільськогосподарської діяльності у сільськогосподарському середовище на Фіг. 1. Спосіб 500 реалізовано сільськогосподарською інтелектуальною обчислювальною системою 150 (що проілюстрована на фіг. 1). Сільськогосподарська інтелектуальна обчислювальна система 150 отримує 610 множину даних з описом поля. Сільськогосподарська інтелектуальна обчислювальна система 150 вилучає 620 множину вхідних даних з множини обчислювальних мереж 130А, 1308 та 140. Сільськогосподарська інтелектуальна обчислювальна система 150 визначає 630 ділянку поля на основі даних з описом поля. Сільськогосподарська інтелектуальна обчислювальна система 150 ідентифікує 640 підмножину набору даних із множини вхідних даних, що пов'язані з ділянкою поля. Сільськогосподарська інтелектуальна обчислювальна система 150 визначає 650 множину даних про польові умови на основі підмножини набору даних з множини вхідних даних. Сільськогосподарська інтелектуальна обчислювальна система 150 надає 660 множину даних про польові умови на пристрій користувача.
Сільськогосподарська інтелектуальна обчислювальна система 150 визначає 670 рекомендаційну оцінку для кожного з множини видів діяльності на полі на основі, щонайменше, частково, множини даних про польові умови. Сільськогосподарська інтелектуальна обчислювальна система 150 надає 680 рекомендовані види діяльності на полі з множини видів діяльності на полі на основі множини рекомендаційних оцінок.
ІО154| На Фіг. 7 зображена діаграма компонентів одного або більше обчислювальних пристроїв, що можуть використовуватися у середовищі, яке проілюстроване на Фіг. 5. На Фіг. 7 додатково зображена конфігурація баз даних, що включають, щонайменше, базу даних 157 (що проілюстрована на Фіг. 1). База даних 157 підключена до декількох окремих компонентів всередині обчислювальної системи з виявленням шахрайства 150, що виконує специфічні задачі. 0155) Сільськогосподарська інтелектуальна обчислювальна система 150 містить перший компонент отримання даних 701 для отримання множини даних з описом поля, перший компонент виймання даних 702 для виймання множини вхідних даних із множини обчислювальних мереж, перший компонент визначення 703 для визначення ділянки поля на основі даних опису поля, перший компонент ідентифікації 704 для ідентифікацію підмножини набору даних із цієї множини вхідних даних, пов'язаної із ділянкою поля, другий компонент визначення 705 для визначення множини даних польових умов на основі підмножини набору даних із множини вхідних даних, перший компонент надання 706 для надання множини даних про польові умови на пристрій користувача, третій компонент визначення 707 для визначення рекомендаційної оцінки для кожної із множини видів діяльності на полі на основі, щонайменше частково, множини даних про польові умови, та другий компонент надання 708 для надання рекомендованих видів діяльності на полі із множини видів діяльності на полі на основі множини рекомендаційних оцінок.
ІО156) В варіанті реалізації винаходу, що наводиться у якості прикладу, база даних 157 поділена на декілька секцій, що містять, крім іншого, секцію метеорологічного аналізу 710, секцію аналізу грунту та посівів 712, та секцію аналізу ринку 714. Ці секції всередині бази даних 157 з'єднані між собою для оновлення та вилучення інформації при необхідності.
ІО157| На Фіг. 8-30 зображені приклади відображення інформації, яку забезпечує сільськогосподарська інтелектуальна обчислювальна система, яка зображена на Фіг. 3, на пристрої користувача, згідно Фіг. 2, для забезпечення керування та надання рекомендацій щодо сільськогосподарської діяльності. 0158) Відповідно до Фіг. 8, знімок екрану 800 ілюструє екран налаштувань, на якому фермер 110 (який проілюстрований на Фіг. 1) може виконувати введення 402 інформації користувача (що проілюстрована на Фіг. 4) для встановлення основних атрибутів, пов'язаних з його обліковим записом. 01591 Відповідно до Фіг. 9-11, знімки екрану 900, 1000 та 1100 ілюструють варіанти вибору, що дозволяють фермеру 110 (що проілюстрований на Фіг. 1) переглядати дані про польові умови 180 (що проілюстровані на Фіг. 1). Як позначено на знімку екрану 900, фермер 110 можу вибрати певні дати для перегляду даних про польові умови 180, які можуть відноситися до минулого, теперішнього та майбутнього часу, та можуть надавати, відповідно, ретроспективні, поточні або прогнозовані дані про польові умови 180. Відповідно, фермер 110 може вибрати певну дату та час для перегляду даних про польові умови 180 для певних полів 120 (що проілюстровані на Фіг. 1). Знімок екрану 1000 ілюструє зведений перегляд даних про польові умови 180 для певного поля 120 на певну дату. Точніше кажучи, проілюстровані дані про польові умови 180 містять вихідні дані з модулю даних про погоду на полі 411, модулю даних бо придатності поля до обробки 412, модулю даних про фази росту на полі 413 та модуль даних про вологість грунту 414. Знімок екрану 1100 аналогічно ілюструє вихідні дані з модулю опадів на полі 415 для певного поля 120 протягом певного періоду часу. Як описано вище та у даному документі, такі дані про польові умови 180 визначаються з використанням локалізованого способу, що визначає такі польові умови виключно для кожного поля 120.
ІО160І| На Фіг. 12 та 13 проілюстровані такі дані про польові умови 180, що відображені графічно з використання мап. Точніше кажучи, проглядаючи знімки екрану 1200, фермер 110 може вибрати певну частину мапи для ідентифікації даних про польові умови 180 для кожного з полів 120. Відповідно, знімок екрану 1300 ілюструє таке відображення даних про польові умови 180 для певного поля 122. 01611 Відповідно до Фіг. 14-20, знімки екрану 1400, 1500, 1600, 1700, 1800, 1900 та 2000 ілюструють відображення полів 120 (що проілюстровані на Фіг. 1), пов'язаних із фермером 110 (який проілюстрований на Фіг. 1). Точніше кажучи, на знімку екрану 1400 фермер 110 надає дані з описом поля 160 (що проілюстровані на Фіг. 1) для встановлення полів 120, що відображені графічно. Відповідно, проілюстрована множина полів 120, що можуть бути переглянуті індивідуально, або у будь-якій комбінації для отримання даних про польові умови 180 (що проілюстровані на Фіг. 1) та/"або рекомендацій щодо сільськогосподарської діяльності 190 (що проілюстрована на Фіг. 1). Слід пам'ятати, що знімок екрану 1400 ілюструє, що фермер 110 може володіти, використовувати або, в іншому випадку, керувати множиною полів 120, які, головним чином, віддалені одне від одного та пов'язані з унікальними географічними й метеорологічними умовами. Слід визнати, що системи та способи, що описані у даному документі, надають надмірно локалізовані дані про польові умови 180 та рекомендації щодо сільськогосподарської діяльності 190, головним чином, допомагаючи фермеру 110 ідентифікувати значущі відмінності між кожним з полів 120 для ефективного управління кожним полем 120. 01621 На знімках екрану 1500, фермер 110 (який проілюстрований на Фіг. 1) може бачити дані у вигляді таблиці, які вказують на ідентифікатори для кожного поля 120 (що проілюстровані на Фіг. 1) в поєднанні з переглядом мапи для кожного такого поля. Фермер 110 може використовувати навігацію, за рахунок перегляду табличному виді (або у графічному виді) окремих дій, пов'язаних із кожним полем 120. Відповідно, знімок екрану 1600 ілюструє
Зо покращену інформацію, яка відображається фермеру 110 після вибору певного поля, для перегляду у табличному виді або у графічному виді (наприклад, за рахунок клацання на одному з полів). Як проілюстровано на знімках екрану 1700, 1800, 1900 та 2000, фермер 110 може додатково покращити вигляд (або "збільшити") для перегляду більш дрібних різновидів полів 120. 0163) Відповідно до Фіг. 21 та 22, знімки екрану 2100 та 2200 ілюструють ретроспективні дані, що можуть бути надані фермером 110 (що проілюстровані на Фіг. 1) або будь-яким іншим джерелом для ідентифікації приміток або детальної інформації, що пов'язана з саджанням.
Точніше кажучи, фермер 110 може використовувати навігацію для вказівки на певну дату на знімку екрану 2400 та перегляду приміток щодо саджання, як відображено на знімку екрану 2200. 0164) Відповідно до Фіг. 23, знімок екрану 2300 відображає табличний вид, що дозволяє фермеру 110 (який проілюстрований на Фіг. 1) групувати або зводити одиниці суспільної землі
ССГО") у "групи полів". У результаті, дані, що пов'язані з певною групою полів, можна переглядати одночасно. У деяких прикладах, фермер 110 може бути зацікавлений у перегляді та управлінні певним полем 120 (що проілюстроване на фіг. 1) у певній комбінації, на основі, наприклад, спільних посівів або рельєфу. Відповідно, застосування та системи, що описані, сприяють такому ефективному управлінню. 01651 Відповідно до Фіг. 24-30, знімки екрану 2400, 2500, 2600, 2700, 2800, 2900 та 3000 ілюструють використання інструменту "менеджер поля", що дозволяє фермеру 110 (який проілюстрований на Фіг. 1) переглядати інформацію щодо множини полів у табличному виді.
Знімки екрану 2400, 2500, 2600, 2700, 2800, 2900 та 3000 додатково вказують на те, що фермер 110 може переглядати дані про польові умови 180 разом з даними, що враховують особливості поля, та даними про навколишнє середовище 170 (що проілюстровані на Фіг. 1). Наприклад, знімок екрану 2400 ілюструє, на основі одного поля, поточний посів, що обробляється, площу поля в акрах, середню врожайність, прийоми або способи механічної обробки, та рівень необробленої частини. На відміну від цього, знімок екрану 2500 ілюструє, що фермер 110 може застосувати фільтр 2510 для ідентифікації певної підгрупи полів 120 для перегляду, на основі характеристик, таких, як поточний посів, що обробляється, площа поля в акрах, середня врожайність, прийоми та способи механічної обробки, та рівень необробленої частини. бо Інструмент "менеджер поля" також дозволяє фермеру 110 оновлювати або редагувати інформацію. Знімки екрану 2600, 2700, 2800, 2900 та 3000 ілюструють види, на яких фермер 110 може оновлювати або редагувати інформацію, що пов'язана з попередніми періодами обробки. Точніше кажучи, на знімку екрану 2600 можуть оновлюватися загальні дані, тоді як на знімку екрану 2700 можуть оновлюватися дані про саджання. Аналогічно, на знімку екрану 2800 можуть оновлюватися дані про сбір врожаю, тоді як на знімку екрану 2900 можуть оновлюватися дані про застосування азотних добрив. На знімку екрану 3000 можуть оновлюватися характеристики грунту. 0166) У контексті даного документу, термін "енергонезалежний машинопрочитуваний носій даних" призначений для позначення будь-якого матеріального комп'ютерного пристрою, реалізованого будь-яким способом або з використанням будь-якої технології для короткочасного або довготривалого зберігання інформації, наприклад, машинопрочитуваних інструкцій, структур даних, програмних модулів та підпрограм, або інших даних на будь-якому пристрої. Таким чином, способи, що описані у даному документі, можуть бути закодовані у вигляді інструкцій, що виконуються, реалізованих на матеріальному енергонезалежному машинопрочитуваному носії даних, включаючи, крім іншого, пристрій для збереження даних та/або запам'ятовувальний пристрій. При виконанні таких інструкцій процесором, вони спонукають процесор виконувати, щонайменше, частину способів, що описані у даному документі. Крім того, у контексті даного документу, термін "енергонезалежний машинопрочитуваний носій даних" містить усі матеріальні, машинопрочитувані носії даних, включаючи, крім іншого, енергонезалежні комп'ютерні пристрої для зберігання, включаючи, крім іншого, енергозалежні та енергонезалежні носії, та знімні та незнімні носії, наприклад, вбудоване програмне забезпечення, фізичні та віртуальні пристрої збереження, СО-ВОМ, МО, та будь-які інші цифрові джерела, наприклад, мережу або мережу Інтернет, а також цифрові засоби, що будуть розроблені, єдиним виключенням є сигнал, що розповсюджується тимчасово.
І0167| Даний письмовий опис використовує приклади для розкриття винаходу, включаючи найкращі варіанти, а також для того, щоб будь-який фахівець у даній області техніки міг використати варіанти реалізації винаходу, включаючи виготовлення та використання будь-яких пристроїв або систем, та виконання будь-яких способів, що включені. Об'єм винаходу, що може бути запатентований, визначений формулою винаходу, та може містити інші приклади, які
Зо прийдуть на думку фахівцю у даній області техніки. Як передбачається, усі такі інші варіанти покриваються об'ємом формули винаходу, якщо їхні структурні елементи не відрізняються за змістом від мови формули винаходу, або якщо вони містять еквівалентні структурні елементи з несуттєвими відмінностями за змістом від мови формули винаходу.
Claims (10)
1. Спосіб, який реалізується комп'ютером для отримання даних з рекомендаціями щодо сільськогосподарської діяльності, який реалізовано з використанням сільськогосподарської інтелектуальної обчислювальної системи, що обмінюється даними із пам'яттю, спосіб включає етапи, у яких: отримують множину даних з описом поля; виймають множину вхідних даних у формі потоку даних із множини обчислювальних мереж; вилучають множину вхідних даних з потоку даних та перетворюють вилучену множину вхідних даних у структурований набір даних; визначають ділянку поля на основі даних з описом поля; ідентифікують підмножину набору даних із цієї множини даних, пов'язаних із ділянкою поля; визначають множину даних про польові умови на основі підмножини набору даних із множини вхідних даних та надають множину даних про польові умови на пристрій користувача; отримують запит від пристрою користувача на введення даних, що враховують особливості поля, коли пристрій користувача фізично знаходиться на ділянці поля та, у відповідь, автоматично відображають та передають дані з описом поля, що пов'язані з даними, які стосуються ділянки поля, до пристрою користувача; отримують дані, що враховують особливості поля, від пристрою користувача та пов'язують дані, що враховують особливості поля, з ділянкою поля; причому визначення множини даних про польові умови включає етапи, у яких: ідентифікують сітку, що пов'язана з ділянкою поля; ідентифікують множину погодних станцій, пов'язану з сіткою, при цьому кожна з множини погодних станцій пов'язана з місцезнаходження погодної станції; ідентифікують пов'язану вагу для кожної з множини погодних станцій на основі місцезнаходження кожної пов'язаної погодної станції; отримують температуру, що зчитується від кожної з множини погодних станцій, та ідентифікують значення температури для ділянки поля на основі множини температур, що зчитуються, та кожної пов'язаної ваги.
2. Спосіб за п. 1, який додатково включає етапи, у яких: визначають період аналізу опадів; бо вилучають набір останніх даних про опади, набір прогнозованих даних про опади та дані про температуру, що пов'язані з періодом аналізу опадів із підмножини набору даних із множини вхідних даних; визначають індекс придатності для обробки на основі набору останніх даних про опади, набору прогнозованих даних про опади та набору даних про температуру; надають значення придатності для обробки на пристрій користувача на основі індексу придатності для обробки.
З. Спосіб за п. 2, який додатково включає етапи, у яких: отримують прогнозовану сільськогосподарську діяльність та визначають індекс придатності для обробки на основі множини прогнозованих видів сільськогосподарської діяльності.
4. Спосіб за п. 1, який додатково включає етапи, у яких: визначають початковий рівень вологості посівів; отримують множину щоденних максимальних та мінімальних показників температури; отримують множину даних про використання води для посівів та визначають рівень вологості грунту.
5. Спосіб за п. 1, який додатково включає етапи, у яких: отримують множину бажаних попереджень від пристрою користувача; ідентифікують множину порогових значень попереджень, пов'язаних з множною бажаних попереджень; контролюють підмножину набору даних з множини вхідних даних та надають попередження на пристрій користувача, коли досягнуто щонайменше одне з порогових значень для попереджень.
б. Спосіб за п. 1, який додатково містить отримання множини даних з описом поля від щонайменше одного з пристроїв користувача та пристрою сільськогосподарської машини.
7. Мережева система отримання даних з рекомендаціями щодо сільськогосподарської діяльності згідно зі способом за п. 1, яка міститьх множину обчислювальних систем обчислювальних мереж; сільськогосподарську інтелектуальну обчислювальну систему, яка містить процесор та пам'ять, що обмінюються даними з вищезгаданим процесором, при цьому вищезгаданий процесор виконаний з можливістю: отримання множини даних з описом поля від пристрою користувача; вилучення множини вхідних даних у формі потоку даних від вищезгаданої множини обчислювальних мереж; вилучення множини вхідних даних з потоку даних та перетворення вилученої множини вхідних даних у структурований набір даних; визначення ділянки поля на основі даних з описом поля; ідентифікацію підмножини набору даних з множини вхідних даних, пов'язаних з ділянкою поля; визначення множини даних про Зо польові умови на основі підмножини набору даних з множини вхідних даних; надання множини даних про польові умови на пристрої користувача; отримання запиту від пристрою користувача на введення даних, що враховують особливості поля, коли пристрій користувача фізично знаходиться на ділянці поля та, у відповідь, автоматичне відображення та передача даних з описом поля, що пов'язані з даними, які стосуються ділянки поля, до пристрою користувача; отримання даних, що враховують особливості поля, від пристрою користувача та асоціація даних, що враховують особливості поля, з ділянкою поля; при цьому для визначення множини даних про польові умови, вищезгаданий процесор додатково виконаний із можливістю: ідентифікувати сітку, що пов'язана з ділянкою поля; ідентифікувати множину погодних станцій, пов'язану з сіткою, причому кожна з множини погодних станцій пов'язана з місцезнаходженням погодної станції; ідентифікувати пов'язану вагу для кожної з множини погодних станцій, на основі місцезнаходження кожної пов'язаної погодної станції; отримувати температуру, що зчитується від кожної з множини погодних станцій; ідентифікувати значення температури для ділянки поля на основі множини температур, що зчитуються, та кожної пов'язаної ваги.
8. Мережева система за п. 7, яка відрізняється тим, що процесор додатково виконаний із можливістю: встановлювати період аналізу опадів; вилучати набір останніх даних про опади, набір прогнозованих даних про опади та даних про температуру, що пов'язані з періодом аналізу опадів із підмножини набору даних із множини вхідних даних; визначати індекс придатності для обробки на основі набору останніх даних про опади, набір прогнозованих даних про опади та набір даних про температуру; надавати значення придатності для обробки на пристрій користувача на основі індексу придатності для обробки.
9. Мережева система за п. 8, яка відрізняється тим, що процесор додатково виконаний із можливістю отримувати прогнозований вид сільськогосподарської діяльності та визначати індекс придатності для обробки на основі множини прогнозованих видів сільськогосподарської діяльності.
10. Мережева система за п. 7, яка відрізняється тим, що процесор додатково виконаний із можливістю: визначати початковий рівень вологості посівів; отримувати множину щоденних максимальних та мінімальних температур; отримувати множину даних про використання води для посівів та визначати рівень вологості грунту.
11. Мережева система за п. 7, яка відрізняється тим, що процесор додатково виконаний із 60 можливістю: отримувати множину бажаних повідомлень від пристрою користувача;
ідентифікувати множину порогових значень для повідомлень, пов'язаних з множиною бажаних повідомлень; контролювати підмножину набору даних з множини вхідних даних та надавати попередження на пристрої користувача, коли досягнуто щонайменше одне з порогових значень для попереджень.
12. Мережева система за п. 7, яка відрізняється тим, що процесор додатково виконаний із можливістю отримувати множину даних з описом поля від щонайменше одного з пристроїв користувача та пристрою сільськогосподарської машини.
13. Машинозчитуваний носій даних для керування мережевою системою за п. 7, що містить реалізовані на ньому інструкції, які виконуються комп'ютером, при цьому, коли інструкції виконуються щонайменше одним процесором, то інструкції, які виконуються на комп'ютері, спонукають процесор до: отримання множини даних з описом поля від пристрою користувача; виймання множини вхідних даних у формі потоку даних із множини обчислювальних мереж; вилучення множини вхідних даних з потоку даних та перетворення вилученої множини вхідних даних у структурований набір даних; визначення ділянки поля на основі даних з описом поля; ідентифікації підмножини набору даних із цієї множини даних, пов'язаних із ділянкою поля; визначення множини даних про польові умови на основі підмножини набору даних із множини вхідних даних; надання множини даних про польові умови на пристрій користувача; отримання запиту від пристрою користувача на введення даних, що враховують особливості поля, коли пристрій користувача фізично знаходиться на ділянці поля, та, у відповідь, автоматичне відображення та передача даних з описом поля, що пов'язані з даними, які стосуються ділянки поля, до пристрою користувача; отримання даних, що враховують особливості поля, від пристрою користувача та асоціація даних, що враховують особливості поля, з ділянкою поля; при цьому для визначення множини даних про польові умови, вищезгаданий процесор додатково виконаний із можливістю: ідентифікувати сітку, що пов'язана з ділянкою поля; ідентифікувати множину погодних станцій, пов'язану з сіткою, причому кожна з множини погодних станцій пов'язана з місцезнаходженням погодної станції; ідентифікувати пов'язану вагу для кожної з множини погодних станцій на основі місцезнаходження кожної пов'язаної погодної станції; отримувати температуру, що зчитується від кожної з множини погодних станцій та ідентифікувати значення температури для ділянки поля на основі множини температур, що зчитуються, та кожної пов'язаної ваги.
14. Машинозчитуваний носій даних за п. 13, який відрізняється тим, що інструкції, які виконуються комп'ютером, спонукають процесор до: встановлення періоду аналізу опадів; вилучання набору останніх даних про опади, набору прогнозованих даних про опади та даних про температуру, що пов'язані з періодом аналізу опадів із підмножини набору даних із множини вхідних даних; визначання індексу придатності для обробки на основі набору останніх даних про опади, набору прогнозованих даних про опади, та набору даних про температуру та надання значення придатності для обробки на пристрій користувача на основі індексу придатності для обробки.
15. Машинозчитуваний носій даних за п. 14, який відрізняється тим, що інструкції, які виконуються комп'ютером, спонукають процесор до отримання прогнозованого виду сільськогосподарської діяльності та визначення індексу придатності для обробки на основі множини прогнозованих видів сільськогосподарської діяльності.
16. Машинозчитуваний носій даних відповідно до п. 13, який відрізняється тим, що інструкції, які виконуються комп'ютером, спонукають процесор до: визначення початкового рівня вологості посівів; отримання множини щоденних максимальних та мінімальних показників температури; отримання множини даних про використання води для посівів та визначення рівня вологості грунту.
17. Машинозчитуваний носій даних за п. 13, який відрізняється тим, що інструкції, що виконуються комп'ютером, спонукають процесор до: отримання множини бажаних попереджень від пристрою користувача; ідентифікації множини порогових значень для попереджень, пов'язаних з множиною бажаних попереджень; контролю підмножини набору даних з множини вхідних даних та надання попереджень на пристрої користувача, коли буде досягнуте щонайменше одне порогове значення для попереджень.
18. Машинозчитуваний носій даних за п. 13, який відрізняється тим, що інструкції, що виконуються комп'ютером, спонукають процесор до вилучення множини даних з описом поля від щонайменше одного з пристроїв користувача та пристрою сільськогосподарської машини.
19. Обчислювальна система, що входить до мережевої системи отримання даних з рекомендаціями щодо сільськогосподарської діяльності згідно зі способом за п. 1, яка містить процесор та пам'ять, що обмінюються даними з вищезгаданим процесором, при цьому бо вищезгаданий процесор виконаний з можливістю: отримання множини даних з описом поля від пристрою користувача; виймання множини вхідних даних у формі потоку даних із множини обчислювальних мереж; вилучення множини вхідних даних з потоку даних та перетворення вилученої множини вхідних даних у структурований набір даних; визначення ділянки поля на основі даних з описом поля; ідентифікації підмножини набору даних, із цієї множини даних, пов'язаних з ділянкою поля; визначення множини даних про польові умови на основі підмножини набору даних із множини вхідних даних; надання множини даних про польові умови на пристрій користувача; отримання запиту від пристрою користувача на введення даних, що враховують особливості поля, коли пристрій користувача фізично знаходиться на ділянці поля, та, у відповідь, автоматичне відображення та передача даних з описом поля, що пов'язані з даними, які стосуються ділянки поля, до пристрою користувача; отримання даних, що враховують особливості поля, від пристрою користувача та асоціація даних, що враховують особливості поля, з ділянкою поля; при цьому для визначення множини даних про польові умови, вищезгаданий процесор додатково виконаний із можливістю: ідентифікувати сітку, що пов'язана з ділянкою поля; ідентифікувати множину погодних станцій, пов'язану з сіткою, причому кожна з множини погодних станцій пов'язана з місцезнаходженням погодної станції; ідентифікувати пов'язану вагу для кожної з множини погодних станцій, на основі місцезнаходження кожної пов'язаної погодної станції; отримувати температуру, що зчитується від кожної з множини погодних станцій; ідентифікувати значення температури для ділянки поля на основі множини температур, що зчитуються, та кожної пов'язаної ваги.
Фіг. 1 135 100 м ро Іва се кт що нет а: 5 є тр 153-156 і : ри кі - Ки т 150 і С чу рен - 1 БВ і -- Б
! . ще 180 і з | 15 чи 159 Дані-про- польові і 146 І 1 в 4 умови Конті ! 87 90 рі Рекомендації щодо (и ЗЕ 180 Ї діяльності 143 ки ау ві Дені в описом жи о ши 00 МО е Ще рн рр аганц . ре 144-575 поет ! в ох ланопронавколишне і 7 А, ! ; середовище | | ! 5 І І | ях ! ска ! я : шН і ш | дю 14 ншшш в: а пн р їі ящ , ча» о як ; оме Х зав Яви и т8В | Де, 1338 ці ан о У ее. чі -3В Цех м ! 1348 ---- 1308 ! 118 і МАК ЧАЮ ! ) І ще св КОХ» се с і мМ у ' ж- 120 ЩЕ ; 133А ВА ек ау Кей ни чо а й А с22-----55 ІА еВ МОУ А че АНА МИЛО 134А- Ж 10д 154
Фіг. 2 дн т р 202
290. Я-8О8 25 о. Користувач Ї пидитетих й КІ жу Пристрій вводу Процесор. помункацлни " і / ї Коня інтерфейс До/від Аве ееннннннннннн сипинввнннвнння птн НИ "ддаленого і А Середовище -718 пристрою і, м ! виводу й
Фіг.
З -И- з0о З 330-. 315 ЗО5 зе0 те Й п й певне Комунікаційний Ме і Процесор -- збертання. : й ' аберігання До/від інтерфейс | даних віддаленого пристрою Зо - - Пам'ять фіг. 4 р 00 а г 2 Данізописомо 5 ше Ї с ни поля ї ке й Ні й ро я У ї і г по 19 | в: аа ее їх Запит х | і Н фермера ї | і 7 вві | в іх В Н Дохннннннхххххххнкккккккккккккккккн ДЯ б для ше і і їх Ка й їх д . у й 7 х 1 005. Дані, що враховують х ; Я Введення ї і Н особливості поля,та у и М і інформації ї 1 г даніпронавколишнеє ї 14 1 Користувачем р середовище і т 150 Сільськогосподарська Інтелектуальна обчислювальна систета : - . . сільськогосподарські Інтелектуальні ! Модулі аналізу даних про польові умови ; модулі ко Я сн й Лельові погодніх У 0 Ї саджання х 2 Вастосування Х М : умови У 2 Придатність х, Є Е ії азотних НК у а Я Іполядооброби ун 0 добриво у ОМ сов у й З й Ал? ра я 412 не ро днини Я ддтрнннтнкінннняекку 0000 де яви К Радник із - й н Й -ч я Фава росту, 7 Вологість Мк шкідників вро хадникя ен Н ! К чі 428 2 вдоровяполя З МИМО ЩА няння Н есе мл ВД плаття о 434 : Опади і пеню днина ся на ока ї В 7 Радник зі збору 7 Радників доходу в - й : врожаю Н від врожаю ІН Що Шо ан нн 180 Дані пропольові ПО Умови : ит птн Рекомендації щодо й У сільськогосподарської Щі діяльності
Фіг. 5 51о0 Отримання множини даних із описом поля 520 Вилучення множини вхідних даних із.множини обчислювальних мереж Визначення регіону поля на основі даних із описом поля -- 540 Ідентифікація підмножини набору даних із множини вхідних ланих, пов'язаних із регіоном поля ; - ВО Визначення множини даних про польові умови насоснові підмножини набору даних із множини" вхідних ланих Надання: множини даних про польові умови на. пристрій користувача
Фіг. 6 Во Отримання множини даних із описом поля Вилучення множини вхідних ланих із.множини обчислювальних мереж - 30 Визначення регіону поля на основі даних із описом поля сх 6540 ідентифікація підмножини набору даних їз множини вхідних даних, пов'язаних із регідном поля - і - БО Визначення множини даних про польові умови на основі підмножини набору даних із множини вхідних даних зе , бо Ідентифікація множини варіантів вибору. сільськогосподарської діпльності ак ЗнЯ Визначення реномендаційної оцінки-для кожного варіанту з множини варіантів вибору сільськогосполарської діяльності на основі, щонайменше частково, множини ланих про польові умови 880 Надання рекомендованого: варіанту вибору сільськогосподарської діяльності. з множини варіантів:'вибору сільськогосполарської діяльності на основі множини рекомендаційних оцінок
Фіг 7
; ай 700 Ш-- | ії І Бази даних то ! ; | І і Секція метеорологічного І аналізу І ; | ! І і скла ; й и рн цит т чити | І х І Секція аналізу. | Секція аналізу.Д ' грунту/ посівів і ринку / І і І й м, й і І . і ; І " І І 3-03 -03-- Компонент отримання ! т Компонент вилучення 702 Компонент визначення 703 Компонентідентифінації! 704 Компонент визначення -705 Компонент надання 706 Компонент визначення 797 Компонені надання 78
"Васко Адет Рогібї | Межіпо ов: Те Збопев Аосоцтй се ботеюе Соплей» МО Мер і РКО 0 РКО РКО РЕ й РКО (оте, Жеове: Се Ролто Мне РОЇ не Не нео Мем мудссочнї бен ! І ТЕвію бен : ! І Кею Зецеоз Сієпове сот Зиррогі І для Раобвії (хххуххк-хккк жо, Сет ог Огоопіяє Пере хі Бах! Себдхикхнхх Етаф зоррогібонтвовсоті . еаєвової богтонок ! -РЕБЕ Кале: опа Ноте о |Етої: Гекопентеві бсітюїесот ГРволе Мотбе о тв Соде тЕщ5 - |Етої Зешівох ! - |Етой бцрвопріюте іє Ще Зіопеє: ! ГО ре бову Реесірнноя Ето Її І ГЗМой Аіегі Єтой» (опіу вепі ян вай пов Нкеіу сбогіві опе ої уро Пефє) ! і намех Мем неойв Ітодеє Ачойовів Ето Її яти
Фіг. 8
,ї Гвоєк о Ацевї репо р Уюжад аа: Те Зіопеє дсроові й п опе есе ГСЛашор) юто Мед БОР ном НО Не мом (СЕЗ 0 додов 24 МОЖЕ ЖЕО НУО ЕВІ о бАТО| ЗК ії з шк шк ше и о їй и ин с си сх пил Я Я я ШИ 9 9 се: м: п с с Б зх зо о й 2 3 4 З й 7 КВ ! | що Й о г ! я ( ото То) нене її т ТЕ
Фіг. З ям ЯМм 415 4 ит 000 й ра / ї Кк ГВосК їе Аой Її бопс! | Мемид ож Те Зопек) досві ; ! и отв Овтее Сеопсйь НКО Нер РКО 00 иИРКО РКО РКО 00 РО. о Неме | Жевінек | сдіенісгі Рівно /Мигодей С Могуеві Ківі новій Моге я УАД ові ві ві ві ві ол ворона Кк Петняннннннннянит тити мен / славі УБАТЕК МАЕСАБК Нете ВИ нетеднй ФО З ся Хм НоМІТТУ ав НИ Цегесв | - пек ! оо 3 фу ви М був 2 пвх ДО те НОЇ Мора к й 8 ою бо НОЖА п отізвю РО ОСОМОТТОМО п ойта позна ие сих я; ПІНИ М Нечієведк о бБлчні Я РКЕСІР зви ЗЕ т ОБ 0 ОЙ КА і теки мекв МА Й ЕЙ Геотаю тав ТА СОЮ | АОНКЖНКНЯ Зі о ее АлАТ АТАК Тео" Іа? 5666555 5555555 |) бої Мовне Но 35557890 12123456517 8901 к бОж я че Пстожін код 1-20 КОВЕСАВТ КО МІЗВІМО РОТ Ту Р ЗАТ ЗАТ ЗАТ 1 5АТ ЗАТ Р БАТА ве МАО а ВО ОМ АБ УЯВІ АШМО 29 АЦО 261 АЮ 2) Пошцггепі жогк й й і ІВ5 собо бе сь 85 | сь 2 | У (Вееве сові, Рагу | Бай і Рабу | Беєйу | ТПнеє | Твовоек) бабу |. дегесір сівийу | хібшйу З собу | о сббебу З война ) віопа | бобу ог зро еВ ву) Зо Моізїште 15 9 три)5 5 той) 5 8 пірйлх 10 трАМЕ 8 тр ВЛлрНЕ Я трН п б5х бохо рге| БОЖ рге| 405 реє | 40Х рге 405 рге| 40Ж рив бр бомжів бівде ОТО Я ЗОВ ЕОР ВК ОТОРІ ВТР ВЕ СНК В сНК і мівІно Р І РАТА НСитепе могк 1б5 со0ор ї 5 і : ЦИ ї ГЯ
Фіг. 10
У 1700 бок ю Арені Ролі ) Менітс ах Ще бібпев Аесешлі тА вовіде солей» ЦО НЯМ, : БВ В о РКО Р і Ноте Саівлдог | Рой міне КО неї Нею нео Моагем КД І Пн я п ї ОМАН сові Мвофе фест ого ОЦ "Іноте НИ 05 ов Коло ОТ ЛК ОВИТЯ Ногувеї Увог 2011 Сотроге|МОМЕ МІ 1 Інно ЦК | | в ! вот - РАЕСІРІТАТІОН нер І ой дови є доситниоівй Бгесір ! Аня ЗО, Ї Ірогож 5ізде ПРрМІЗКНО РИТИ о Й ! ДМА що Но іСитчет век ь ВХ бод ю более НК о. | НИ і бувсів Що Й ще вн ШИ Й Її Просо Маг Аргю орга? Май Моуйо юяЯ чМипее зціб ще Аидя АооТІ Її бої Моївіюге Е соя ЩІ ож очи Пойу Агоемиакв ої Ргесів боже біде Ії ОР МоБІНО РІЇ : Пр ВАТА : ГЮбтеве ж п оо ни (тес Й й кі ЩІ І ГЕО МО Аргія Арго Мо! Мауг5 дай дупоо увів. «МО АшаЗ Азії? Гой Моівіцее прлох І бговжцт еіоде) і ТЕМРЕКАТУМЕВ-НІСН АМО МИХ Нар ГР ОМІЗБІНО РЕТ Гу ДАТА їв ештевіе жк БЮ Її 85 сою : і егеср киш Аг «опи ЛА А МАЯ І ой Моієтиге і ПЕ вох борт Чбгожіи 5іоові! Мого Арі Арго? Моу!! Маубо бай зшп22 д9іб. МФО Ацої ви? Її ОрОВІББІНЄ Р
Фіг. 11
Й 1200 СВОСК їо АдеаЄ Боа Межа оз: Ше 5бопез Ассопі х А йде. Совпоїчи 1102). Неїр ; с РН КО РК РКО РО Гнотеї. райо Овівтаає | Річ ми МУ Ноги Рем ней Моге м МНете 00 ЛИЖ ВАВАЮМІ 00000000 б олебюпо о Кемер. ді Нею РЕЄСТР МОМ МІЖВСЯ Рресір. | Ї ій Нота НШОУ | Я й Ргесір | й т і й - Аа Ї пет ОМ М о | | їж М іс МО) ; Ргасір | Сеул З - І с уз (з ренс т ее. З Бгесір Й | і. й хи дм у й ; се ДУ Пет аМ бо, БМ у Тисй 12360, св) Регесів | | що, й | і уеО ї тос 13, гОЖЯ Ргесір | Он є о" | ьх Теж 159604 Ргесів | (в) НА І їх Твоєї 1592091, Ргесів Те ссання НИЙ НОВ ПО
Фіг. 12
128 , 15300 ВекК МхАдеаї Богіс! | Мені) об: Те Зіопез Ассошт з Ї Гокіннеюе Соцасіу ПК МеВ ! і РК це і РКО РКО М нове / Щесійек Сов Ї гато мно ме ная Рі нео Міге з і Ноте КОТШКЕ КАРА ТЯ НЕО Сопоопь 125 Кеуевов г аз Феміяі ІРВЕСІР СПЛДЛСЮЄТТЕТСТСЮЯ БМОЮГ МОБ) ЧВеезв/: ІЙ х Четесір - о тест па пегесіру, ! ! й Шо НА Цегесір Є ! й | в Лев 103505. ПРгесю У ко я Ф тесї 123605, НРгесів і 1 і Тен 14305. " ПРгесф ; В ! Теосі 15960) - : - ПРгесі ий ї КІ БИ р ах уки м РЕЕСІР 1А5Т во онння вда ех ч. МОЄ Буррогієд рей Пост яву Отрич еВЕ бсоог 1 віоок бою що нд
Фіг. 13 ух їчО0й Пе енеетстки КУТ УНН шк сь Оцівіде Соло х. 1щО Неїрі Те опе | т шт с щ з остще Мені Ву Деігезв і ек оКІеЙ Гбоує ЖЕК 57 Неюв | 5 сеї о еслетнаь ПВЕК ман ПЕКИ ЕКС З/д о тщше р ! й п Є М х ра роса о -й ! І 1ЕЧК Моче ши!
Фіг. 14 ра у Г боск їо Аделі Рогіої | Межіу об: Пе Зіопеє Досоупі т с Ошівіче Соцлей» 09 Не. Тке іопев | ці : ее гинтя : «РИ Тосоїв Без Бу ГГ особол у! Абдтеве | ех: ЗМО і боме Ж ХЕ У пеюв| и5 сов вини ше Гесі 19781 129.08. Когов С с- п Ї тост 12541 95.34. Астев Ї-і| тр ши ГНоїте НО 1005 Асгез ГІ М ЗВ Астев Я ово сте с Ноте НЯ 162 Астев М 4 г йно 11202 дог щі а Є й | І Ї а -е Я ші
Фіг. 15 ї "Боско Асепі Рогої | Мемто 8; Тне біопез Ассош й То» філвіде Соцпсіх ПОЗ Не Те опе | ща : т клен ге - У осцв Пед: 5 Адгезв | ек Бе | боме Ж ЕХ 3? Мем | 5 сце Й " І Ніде Сів Гео бе 7 е носі 1978 7305 Астез с- п їгосі 344 27505Астев Боуеен У, ння ши пас ЗСШ КВ Боже ши Пес ЗМ 0001 558.87 Астев і ПЕК ое се зт С г і тес засо 5155 ее бе по ес зас З ОСА АстевСотю СО ; шШ.1 З -й ! ) 5 НИ Ї гає моде) ши!
Фіг. 16 у 1700 Носко о Адепі Рог | Міеето 5: Пе пев Ассоший в се Ощівіде болей» 100. НеЇрІ їн ле лк Пюсов Рекіз ву ГЕЕЕВТВИ Я Аідговз ГЕХ ОНИ 57 Неюе | 5 сша ніде сце Зпож СОБІ Бей Бей С посі ОМ 153687 Астев Кос ЗНОС округи итя йосі ЗНА У Кот ВК й подив дя вишня І ЛІ МОВІ Пет звис в Бокс бе и и У й ї б л ит й ТК Кл і Птасі ЗНА 2 НА Аствв от ЩІ кий Де ли пон а й З іа й посі ЗП-О0 5 от. СК ле Б І пес ЗНО 1 БАБІ Се. х, де сс Ї Птосі ЗНО ЗНА ЛБ дов ож КУ БА Гео яиисеро 3565 Ткстех Нествволя ех А кА лі щу ЕЯ Моде їх г
Фіг. 17
Г'боаск То Аделі Рогіої | Меміво об: Пе Зіопеє Ассоцпі Е у Ощівіде болей С) Мер) Тве ЗЕбпев | ще : сні : а іосоїе Бебі Бу Аідтевв | ех ОК | боме й зевеюв мое НН " Гнше Сов бвож ов! | вагон Мем їхосї ЗАС 21 БШетоЯЕ тес ВНС ВАЗ дет бе СС їоесї ЗАС ЗВ Кот Ті 3911-00 331596. Астон БоуреопясЯ лесі ЗВИНО ЯЦВЯ Застех Кот С
ЗМ. я. тей 35-00 510057 шт ння Їтхосі ЗНА 6 НВ Астефот НК І ; їтосі ЗБН-СЦІ ВВА АстеяКет пес ЗАС 866 Кот Дня Тосі З8И-С в Бех. Б -И7 у 7. Я . й, гй о ий - ЕФЕ Моде їх о ббБ.7 догеї | Єротопі, ІА ЕЕ мен нове) в
Фіг. 18
І Васк ю Адрес Рогіа! | ема соб Пе Зіблез. Абсошї в сь биівіче: Совпеїх СО. НВР Тке Зкопев и осв Бндх Бу ЇКосейоп м | Аддгевв | ех КАВИ І Зохе Ж ЕК 37 Без | в С Ніде Сів | Не СБ беж ем Тс ЯаИ 535.87 Астав СА їі ЗНО ВЗ БА Со ОС соня Птосі ЗБИВ 9 КБУ Заст сот дня пиття тес ЗАС У Но Кот Б, Тосї НС Я ПОВ бот СК -щ7 посі НС ЯН ОЯ Ас сот ОС у, вон Ї їй ЗИ - СІ ЗМ от У / Птесі зе 31896. Тастев Бежеві й / 7 Е. щі ЕЕ Месів ши й ша пи 0000 -бблвсве і пелот ЇВ) 0 рукою ІЗ ГУ щі
Фіг. 19 я 2000 Ж Іосоїе: Пеків Бу ГПосоцоп | Адбгене Ге МБ 37 Рем | А Св Пас 3916 001 0обаа се ПОТЕН БТ ВТК ЕОБЕЕНВЕИ Кр стр босі заново ЗВО Астев божеонія Кт ЛІ ПЕ ЗЕ ПЕ Ус БЕуввене в у, М7БВ Асгов м //
ил. пецівня питний 00000 сббюєтев пурмееє тт й
Фіг. 20 т 00 ,Ж аск А епі Росі | межи ак Те зіопез десост 2 Ошеюе Содподе 10. Мері , ; вкО те й РКО РО Ноте ЖУеоїег рот мана Б МНаєенек ПЕК нені Моге Гео 00 Моу 2014 ЩО ТО РВЕ ОЇ ОБАТ т та 28 и і: 5 4 ! оківнів Лев. !
ШО. й 8 Я по - нина и ші, є їв в'я ов юю Я Я ші я а а сонну ши ни нн вин ГИ КК ик і 2 З й В й ! 8 ч о ; тро З МНН НИМИ НН НИВКИ ОО ОНКО ОНКО ВИВИВИА ВАМИ З.
Фіг. 21 рт же ї4 ГВок іс досі Реісі | Мешио соб: Те Блез абсо о скивіде: Соцпойн КО. Неїр!
во . КО рК РКО РЕД Ноте /Жеоійег ріопіте Мгодев Бех Малесі Кв ней Мате ж тей тов Моу НЯ соасві щ МОМ І Ріспчию Мафез І БМ т 28004 Теась 1234 дв Веіойме Мейжібк 109.0 З Зевй Нувиє ши нини нн Й Вороіюцов: 450000 ди Ріпа бо: Аре 28, ДЯ ! 12 Мее НИ | Ів - КЯЙ АСНеКу Пееїе ши в- АВ оре Міпвіст МІіе Соя З.ВеАС де о зи Кеіанме Моїмейу: 102.0 : є Фо І Роршейст: 450000 Ко 2 З Рісанио бої: Арго29, 2014 КО Мої: я А тА -щЩо ПД салі! Я т " й
Фіг. 22
Васко фо Адепі Рог! | Межі св: ТНе біопев. Ассоцпі. РІ 2306 пи сь бшівіфе Соппсїм ПСУМер, | і ППД й РР фе Ов ко о Мей бор КЯЦ ге Сгочо Зевшсї Стор: і ПА ощв, 158.08 Астех гу Міхеа Пре мем ог ЕВ ОЦІ Оевції: Савсеі| 5оме ї ЯК іпоїмавя С5 Мов сот во їмо С105 ог ей ре Пен дор жйіоВ зоша орріу о а как СВІ, ООБЕЩО оВОЮР ВЕТАДЯ- осі 1978 ЩІ дог Стор АРН БОЇ Тура Редаай Омпегавір і Її 170.08 Міхей Ї Ме Що | то ! ОО ЖОгЯВСА, 03 ОЕТАЙЯ ЩЕ ігасї 1598-01 Егетопі, ТА ВМ ОЄБЯ Пес СЦКІ ОО Гдуроже боро АР Туре їгідшеб 0000 бек дес ЩІ к-| а748 Міхей | Зої тост то і ПОЛ ШУ т І 0 Гілюф 1в78-с 1 Телют, ГА ОРВМОЄЯЯ обесов СК Щ Адстев Стр АРН БО туре Тепідоїей Одлеталір Аснопо ЩІ 2527 | Варава ГІ Зайу бюу їоот Мо і Гл і ПО Ррожавлассц 4 їтеннич, А ВМ ОБаЯ ої 1978 СК Я і Щ Астев Стор АРН он Туре Іноїей Ожпагейір АСНепе Її | 3525 Зою | зві іоот Ме тої г ! о Бросовй-сщ 6 обтетов ТА ОРВМО6ВО оЛосбі978 СЦХВ і ЩЕ 7 догее тор АВН ЗО Туре Ттгічоїей Ожлегвіхір Аснопе ЩІ ЗА Зобеоне | Беї ірсот Що і посох ті і
Фіг. 23 у 20 Неск Зо доелі Богів! | Межі се: Пе біопеє Ассоцт Е о смівійе Сошпсім ПО НеЮ! РКО РКО РКО РЕ Р. Ноте Жесійет Спіспбог | Ріта Матодей ВХ начея Кіею ней Моге м гів Мопадеє Ехроті їхне ЇСспегце а Перо! злом Гатпійо Реосіїсев |» | Гог ппу бефе Яої Боме алу сов 1) ЕІ беівсіюф || Кепоує Увіюєв СЕ МАМЕ СОККЕМТ СКОР АСКЕО і АМЕКАСЕ ТД 00 ПЦАВЄ РЕАСТІСЕ БО тя Тгосї 1234 Сот 95.3 Асгег 1Впба же Сопуепцопої 255 С Нотве НІ боурезиа 0 Астез - - - более 00000 баса СЕ Ксевзе боці Боуезив 0.0 Асгаз - - - СЕ осі 1205 Боуейи5 234 Асте5 - - - попе МІУ Зоурезив 27514 Когез - - - понос 1245 Зоубеапо 66.77 Асгев - - - ва йосі 1243 Боувесяв 2283 Асгев - - - шоност 1526 бот 7.58 Астев - - - г пес 1582 Сотп 140.8 Астез - - - посі 1505 Зоувапа 117.29 Богев - - - нти й т
Фіг. 24
2510 у Воскіо Адепі Ропіс! | Уюіпд се: Та 5Зіопев Асеооті - о Омівійе Соц КО НеЇр! й РКО РКО ОР РКО Ро / Наше Жесійеє Соіепбаг Ї ріспіку Миголел ЕЯ Нагжх ме нав Мога ж у лем Моподег ЕхроМ Ше | бепегоїе й Керегі! звов| Роттіво Реосіїкев || Ме пу Неків Трої Бохе | Ану стор | | ТОЙ Бевсівф | Кетоує Уочев |! ЕЯВ Кагицву ргосіісев Ситені Стор Куводе їей Тваде Руссноє Х Невме Горжбєсть УТ Б ОБОЄ Гбесє о бод Це) ГБО М Сова ОН бопсв С МАМЕ СуВВЕНТ скор ! АСКЕ5 АУЕКАСЕ ПЕ 1000 ЛІЩАБЕ РКАСТІСЄ й ВЕЗІЮШЕ ро Ноте НІ оузесих 005 Астез - - - О Ноте НІ Зоурвопа 1,67 Астез - - - Не Ввехе боці Зоуресо5 ОХ Астев - - - в О посі 1204 Зоувоге 73244 Астве - - - осі 1254 Сот 95.35 Аегег - - - о Корі 1535 БЗауреопе 722514 Когев - - - Трос 1236 Зоуреспе 66.77 Асгев - - - о посі 1565 Зеупеоня 2589 Астев - - - се То 1326 Сот 57.58 Астез - - - сі Я оослсееососссоосгогггооогесггееогоггеееоеггтеос ЕС Се еесееегеессеесеегссеесн
Фіг. 25 ра 2600 ій Васко Адепі Рог! | Міеміпд в: Пе Блез Ассоцпі т 16 Опізійв Сомпейх ЦО Не; РКО Кк рЕа Р РЕ. Грає має 0000000 ЇЕхро й рогі Одів | ї а Ї бепегоїе а Ка ро КЕ іЗвож|Кові увог 000М)Югту бефе бої почеГапу сторі ЕОМ беівсівй 1 Кетпоже Усе І ЕЙ базі ува Ртгемівиз Стор Реемоюз Стор Нагуея! Осте Ргеморв ек фе мАМЕ 0010 РВЄМОЮ5 КОР ОО РАЕМІЮЮ5 СВОЄ НАКУЄБМТОАТЕ ОЇ РЕЕМОЮ5 Ш 000000000000 По отені - - - Іра Ноте НІ і - - - І сеКееве Зо - - - І сряесе 1о0я | - - - ЕЕ ПИКА А А Ксбзсь 3235 - - Ї гас УВО - - - іфдртос 1943 т щі ї І йась 156 - - - : Мито
Фіг. 26
Ї боск о Ауех Богої | межіпд ав: Те Зкопев. Аосоомі І ОН Сднте Лов саме рей Лео БМ ний ТЕН ноя тн ГЕ Різлвблд дою і Асїшеа Ріопбло бое о Асбояї Каіабов Мачийу Мопієй Зееу Рорміамог Демо Ріспівб Асте5 і ОБЖ ЛИЖІ ГБбфеслмє 0002025 1-5 8О009 001 ПНО Є Я Сова бе | 1 бла 94001000 дог, М 1020 ЗБО00ИАсте 95.34 Асте Пай о 7 7 - 7 Пелюйяя о 000005 ї їх ТБ
Фіг. 27 ит 2800 х 1 Воск о йдепі Богів | Меміна ох: Те біспвя Ассоіт РІ Ге Оеівійе Соцпсі и ПОЗНА Нете Жеойвб Сова | рішно нако ся но пед ве Моге м аю 00000000 Пброн бою | бепемтє 9 Кероп! сеон Поле ов Кк ту па їі тож Дек деко | Кетоме кеВ ЯК Нагуезі доїо Ауегаде ей Маївіцгте Меовигетені Фе 0 Мезвогей Ого Мойннге 153 0 Васко Єоухм Ооїе Р Квеве Зесїв - - - га - З Тобі 1204 - - - 2014 - принти, ин рас 12 - - - 204 - ! МТП ТТ ТПП ТПТЬІТЦТПТТПТЦТТППТПТІТ ПТ ПТ ПТУ ПТ ПТІТ ТТ ЬьььппьпьпихмкжкикпкиьпьхмкпкихкпипиьимхиптпипимхихмпптпипьипикиТтт
Фіг. 28
7 2900 х аск бо бдспі Мопої | Мекіпдф ою Те бійпев Ассовтй й АУ Омівійє Созпой ПОНІ Нв Молподеє Ехрогі Цобе | бепегате 9 Кероп ЗвовіМігосет фа мог ту Нерйв ої йоме КН Звівсівй || Мел Моїцев ЕК Мигодеп ий Жвісн. Аррійссцюл АррівочЧся Осі Бегібтег Туре М Ка Тесс опори) | 00ШМ Масив Атеполю ІМ) НЯ КА ло і ОЗ МАМЕ | КАМ, Н ЗРКІНС і ЗІОЕОКЕ5О КЕЗСуЄ О Якова Боцій | - - - - С росі 1206 |! - - - - дл Пов г осі 1235 |! - - - - ста 1256 ше - 7 ї с лосі 1243 | - - - - Є їбосі 1526 | - - - - сі СТО ооо оо ооо ооо ооо ооо ооо ооо ооо ооо ооо ооо ооо ооо ООоо ооо ооо ооо ооо ооо ооо ооо: 06.
Фіг. 29 - 3000 г Носко бдепі Рос | Мівейд б Те ЗБхиев Асесут «в Омівіде Сеспої у ПС Не. і Іва КО в їх І Гіві Мопадег Екрогі бої М бепеготе о Верепі |, іБложі бої спогостеніві Того ту йедфа фо йохе ЯМ Зеіесієй 1 Кепоує Мешез І ЕЯЖ Зоб свогасівгенісв І Зої Туре рн Огдчак Май Сецез Ехспопде Спросну (ЕС) ! 54. 09 і Б 5 Т кб 0 пи Її Бще тт Й тт тт т тт КМОХЮМЕЄЕ т тт тт т тт тт РЙМ ХЙ тт М Й т Р т МРМ ЩЕ ХЇ МЕ Р о ЕЕ ЕЕ ЕЕ ЕЕ ЕЕ ЕЕ ЕЕ ЕЕ ЕЕ ни
ЗО. ТРРЕ вн | ОНСАМІС МАТТЕ ОЇ САПОМ ЕХСНАМОЄ САРАСІТЕ (СЕС есте НЕ м ' - | 7 ТО Тео 1234 МУ сійу Юста - | - | - Гретосі 1235 Бу. сіоу сть - | - і - Іферптеась 1236 ЗИ бот - | - | - Ю Тогі 1243 ЗНУ дау ет - | - І - 1 ск Трась 1598 ОЙ от - і - І - ся ДПА
Фіг. 30
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201462049898P | 2014-09-12 | 2014-09-12 | |
| US14/846,422 US10667456B2 (en) | 2014-09-12 | 2015-09-04 | Methods and systems for managing agricultural activities |
| PCT/US2015/049486 WO2016040678A1 (en) | 2014-09-12 | 2015-09-10 | Methods and systems for managing agricultural activities |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| UA123762C2 true UA123762C2 (uk) | 2021-06-02 |
Family
ID=55453433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| UAA201703547A UA123762C2 (uk) | 2014-09-12 | 2015-09-10 | Системи та способи для управління сільськогосподарською діяльністю |
Country Status (10)
| Country | Link |
|---|---|
| US (3) | US10667456B2 (uk) |
| EP (2) | EP3693903A1 (uk) |
| CN (1) | CN107077650A (uk) |
| AR (2) | AR103494A1 (uk) |
| AU (2) | AU2015315001A1 (uk) |
| BR (1) | BR112017004750A2 (uk) |
| CA (1) | CA2960424C (uk) |
| CO (1) | CO2017003536A2 (uk) |
| UA (1) | UA123762C2 (uk) |
| WO (1) | WO2016040678A1 (uk) |
Families Citing this family (111)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10667456B2 (en) | 2014-09-12 | 2020-06-02 | The Climate Corporation | Methods and systems for managing agricultural activities |
| EP3276544A1 (en) | 2016-07-29 | 2018-01-31 | Accenture Global Solutions Limited | Precision agriculture system |
| CN108366526B (zh) | 2015-10-12 | 2021-04-09 | 德罗纳斯德公司 | 通过自动生物特征数据的优先级简化林业信息管理的***及方法 |
| US10212876B2 (en) | 2015-10-12 | 2019-02-26 | Droneseed Co. | Aerial deployment planting methods and systems |
| RU2728540C2 (ru) * | 2016-03-04 | 2020-07-30 | Басф Се | Устройства и способы планирования и мониторинга выращивания сельскохозяйственной культуры |
| WO2017195534A1 (ja) * | 2016-05-10 | 2017-11-16 | コニカミノルタ株式会社 | 土壌状態評価装置、該方法および該プログラム |
| US11397837B2 (en) * | 2016-07-12 | 2022-07-26 | Tata Consultancy Services Limited | Systems and methods for pest forecasting using historical pesticide usage information |
| CA3035068A1 (en) | 2016-09-08 | 2018-03-15 | Walmart Apollo, Llc | Systems and methods for dispensing an insecticide via unmanned vehicles to defend a crop-containing area against pests |
| WO2018049289A1 (en) | 2016-09-09 | 2018-03-15 | Cibo Technologies, Inc. | Systems for adjusting agronomic inputs using remote sensing, and related apparatus and methods |
| WO2018049290A1 (en) * | 2016-09-09 | 2018-03-15 | Cibo Technologies, Inc. | Systems for determining agronomic outputs for a farmable region, and related methods and apparatus |
| US11544296B1 (en) * | 2016-09-15 | 2023-01-03 | Winfield Solutions, Llc | Systems and methods for spatially-indexing agricultural content |
| WO2018081759A1 (en) | 2016-10-31 | 2018-05-03 | Bayer Cropscience Lp | Method for mapping crop yields |
| UA126066C2 (uk) * | 2016-12-01 | 2022-08-10 | Кінз Меньюфекчурінг, Інк. | Системи, способи і/або пристрої для забезпечення користувацького дисплея та інтерфейсу для використання з сільськогосподарським знаряддям |
| US20180315135A1 (en) * | 2017-04-27 | 2018-11-01 | Tata Consultancy Services Limited | Systems and methods for estimating degree of compliance with recommended crop protocol |
| US10709073B2 (en) | 2017-06-14 | 2020-07-14 | Grow Solutions Tech Llc | Systems and methods for communicating data via a plurality of grow pods |
| CN107370820B (zh) * | 2017-08-02 | 2021-04-23 | 台州市吉吉知识产权运营有限公司 | 代理ap自动发现装置及*** |
| US11263707B2 (en) | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
| 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 |
| US11317562B2 (en) | 2017-09-11 | 2022-05-03 | Farmers Edge Inc. | Generating a yield map for an agricultural field using classification and regression methods |
| US10983249B2 (en) | 2017-09-14 | 2021-04-20 | Farmers Edge Inc. | Indicator interpolation to predict a weather state |
| US11593897B2 (en) * | 2017-09-29 | 2023-02-28 | Basf Se | System and method for optimization of crop protection |
| CN107742172A (zh) * | 2017-11-03 | 2018-02-27 | 深圳前海弘稼科技有限公司 | 预测农作物产量的方法、***及计算机装置 |
| US11568340B2 (en) * | 2017-11-09 | 2023-01-31 | Climate Llc | Hybrid seed selection and seed portfolio optimization by field |
| US11562444B2 (en) * | 2017-11-09 | 2023-01-24 | Climate Llc | Hybrid seed selection and seed portfolio optimization by field |
| US11423492B2 (en) | 2017-11-21 | 2022-08-23 | Climate Llc | Computing risk from a crop damaging factor for a crop on an agronomic field |
| US10477756B1 (en) | 2018-01-17 | 2019-11-19 | Cibo Technologies, Inc. | Correcting agronomic data from multiple passes through a farmable region |
| JP7009229B2 (ja) * | 2018-01-22 | 2022-01-25 | 株式会社クボタ | 農業支援システム |
| CN108334110A (zh) * | 2018-02-06 | 2018-07-27 | 首欣（北京）科技有限公司 | 一种基于无人机的林业病害监测方法和装置 |
| US20190325534A1 (en) | 2018-04-24 | 2019-10-24 | Indigo Ag, Inc. | Agricultural transportation entity identification and selection |
| US20200005166A1 (en) * | 2018-07-02 | 2020-01-02 | The Climate Corporation | Automatically assigning hybrids or seeds to fields for planting |
| EP3827401B1 (en) * | 2018-07-26 | 2023-08-09 | Climate LLC | Generating agronomic yield maps from field health imagery |
| CN112889063A (zh) * | 2018-08-02 | 2021-06-01 | 克莱米特公司 | 基于天气数据的产量自动预测和播种率推荐 |
| US11861737B1 (en) * | 2018-08-31 | 2024-01-02 | Climate Llc | Hybrid seed supply management based on prescription of hybrid seed placement |
| US10993365B2 (en) * | 2018-09-11 | 2021-05-04 | The Climate Corporation | Risk-adjusted hybrid seed selection and crop yield optimization by field |
| WO2020056283A1 (en) * | 2018-09-14 | 2020-03-19 | Agjunction Llc | Using non-real-time computers for agricultural guidance systems |
| CA3112950A1 (en) * | 2018-09-21 | 2020-03-26 | The Climate Corporation | Method and system for executing machine learning algorithms |
| WO2020079231A1 (en) * | 2018-10-19 | 2020-04-23 | Basf Se | Computer system and computer-implemented method for optimization of crop protection |
| CA3116341A1 (en) * | 2018-10-24 | 2020-04-30 | The Climate Corporation | Leveraging genetics and feature engineering to boost placement predictability for seed product selection and recommendation by field |
| CN112955000B (zh) | 2018-10-24 | 2022-07-19 | 克莱米特有限责任公司 | 使用基于机器学习的种子收获水分预测来改进计算机辅助农场操作 |
| US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
| US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
| 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 |
| US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
| US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
| US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
| US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
| US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic 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 |
| CN113038823B (zh) * | 2018-10-31 | 2023-05-30 | 克莱米特有限责任公司 | 自动化样本采集和跟踪*** |
| US11375656B2 (en) | 2018-11-06 | 2022-07-05 | Droneseed Co. | Remote drone configuration systems and methods |
| US11744168B2 (en) * | 2019-11-29 | 2023-09-05 | Soilmetrix, Inc. | Enhanced management zones for precision agriculture |
| US11574465B2 (en) * | 2018-12-21 | 2023-02-07 | Climate Llc | In-season field level yield forecasting |
| CA3121647A1 (en) * | 2018-12-24 | 2020-07-02 | The Climate Corporation | Predictive seed scripting for soybeans |
| WO2020144545A1 (en) * | 2019-01-11 | 2020-07-16 | Shankar S Siva | System and method for agricultural grievance management |
| CN109781963A (zh) * | 2019-01-26 | 2019-05-21 | 成都鑫芯电子科技有限公司 | 一种大田种植环境监测*** |
| CN109726940A (zh) * | 2019-02-14 | 2019-05-07 | 深圳市木雅园林股份有限公司 | 一种园林植物养护管理方法及*** |
| US11191204B2 (en) | 2019-02-18 | 2021-12-07 | Cnh Industrial Canada, Ltd. | System and method for monitoring soil conditions within a field |
| CA3130503A1 (en) * | 2019-02-21 | 2020-08-27 | The Climate Corporation | Digital modeling and tracking of agricultural fields for implementing agricultural field trials |
| US20200302554A1 (en) * | 2019-03-21 | 2020-09-24 | International Business Machines Corporation | Temperature and rainfall modeling for crop management |
| US11568467B2 (en) * | 2019-04-10 | 2023-01-31 | Climate Llc | Leveraging feature engineering to boost placement predictability for seed product selection and recommendation by field |
| US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
| US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
| CN110213376B (zh) * | 2019-06-05 | 2021-03-09 | 黑龙江北大荒农业股份有限公司 | 一种用于虫害预防的信息处理***及方法 |
| US11432485B2 (en) * | 2019-06-10 | 2022-09-06 | Smart Rain Systems, LLC | Artificially intelligent irrigation system |
| US11553640B2 (en) | 2019-06-11 | 2023-01-17 | Cnh Industrial Canada, Ltd. | Agricultural wear monitoring system |
| CN110470336B (zh) * | 2019-07-09 | 2021-04-27 | 生态环境部南京环境科学研究所 | 一种基于温湿度核算全国规模化禽畜养殖场氨排放量的方法 |
| US11874264B2 (en) * | 2019-08-02 | 2024-01-16 | Heritage Landscape Supply Group, Inc. | Systems and methods for reporting performance of agricultural inputs |
| WO2021062147A1 (en) | 2019-09-27 | 2021-04-01 | Indigo Ag, Inc. | Modeling field irrigation with remote sensing imagery |
| WO2021067257A1 (en) * | 2019-09-30 | 2021-04-08 | Nutrien Ag Solutions, Inc. | Agriculture service platform |
| EP3822976A1 (en) * | 2019-11-13 | 2021-05-19 | Basf Se | Crop monitoring and protection |
| WO2021118747A1 (en) * | 2019-12-09 | 2021-06-17 | Valmont Industries, Inc. | System, method and apparatus for integration of field, crop and irrigation equipment data for irrigation management |
| DE102020102148A1 (de) * | 2020-01-29 | 2021-07-29 | 365Farmnet Group Kgaa Mbh & Co Kg | Verfahren zum prozessbezogenen Generieren landwirtschaftlicher Daten |
| US11748824B2 (en) | 2020-01-31 | 2023-09-05 | Deere & Company | Systems and methods for site traversability sensing |
| US12035648B2 (en) | 2020-02-06 | 2024-07-16 | Deere & Company | Predictive weed map generation and control system |
| US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
| RS20200817A1 (sr) | 2020-07-10 | 2022-01-31 | Inst Biosens Istrazivacko Razvojni Inst Za Informacione Tehnologije Biosistema | Sistem i metod za inteligentno uzorkovanje zemljišta |
| BR112023000950A2 (pt) | 2020-07-21 | 2023-03-28 | Indigo Ag Inc | Algoritmos de sensoriamento remoto para mapear a agricultura regenerativa |
| JP7334702B2 (ja) * | 2020-10-02 | 2023-08-29 | トヨタ自動車株式会社 | サービス管理装置 |
| US11844311B2 (en) | 2020-10-09 | 2023-12-19 | 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 |
| US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
| US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
| US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
| US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
| US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
| US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
| US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
| US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
| US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
| US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
| US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
| US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
| US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
| US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
| US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
| US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
| US11927459B2 (en) | 2020-10-09 | 2024-03-12 | 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 |
| US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
| US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
| TWI796616B (zh) * | 2020-11-27 | 2023-03-21 | 悠由數據應用股份有限公司 | 農作物生長週期與產量交互動態預測系統 |
| TWI765794B (zh) * | 2021-07-30 | 2022-05-21 | 國立中興大學 | 水稻蟲害健康預警系統及方法 |
| WO2023034118A1 (en) | 2021-08-30 | 2023-03-09 | Indigo Ag, Inc. | Systems for management of location-aware market data |
| EP4396756A1 (en) | 2021-08-31 | 2024-07-10 | Indigo Ag, Inc. | Systems and methods for ecosystem credit recommendations |
| CN114509116A (zh) * | 2022-03-01 | 2022-05-17 | 金陵科技学院 | 一种基于STM32和NB-IoT的低功耗农业监测*** |
| KR20230140210A (ko) * | 2022-03-29 | 2023-10-06 | 주식회사 쉘파스페이스 | 환경 영향 평가에 기반한 영농 활동 의사 결정 시스템 및 방법 |
| CN114430536B (zh) * | 2022-04-06 | 2022-07-19 | 广东邦盛北斗科技股份公司 | 基于北斗定位模块的农业物联网方法、***及云平台 |
| US20230341586A1 (en) * | 2022-04-20 | 2023-10-26 | Deere & Company | Method and system for mapping cut crop moisture in a field |
| US20230385654A1 (en) * | 2022-05-25 | 2023-11-30 | X Development Llc | Model-predictive control of pest presence in host environments |
| CN115796558B (zh) * | 2023-02-03 | 2023-05-05 | 光泽县宏翔智能科技有限公司 | 基于深度神经网络的烟草种植面积智能管理*** |
| CN116485040B (zh) * | 2023-06-13 | 2023-09-08 | 中国农业大学 | 种子活力预测方法、***、电子设备及存储介质 |
Family Cites Families (60)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US2840292A (en) | 1955-05-31 | 1958-06-24 | James J Stoddard | Cup support |
| US4492111A (en) | 1981-10-07 | 1985-01-08 | Kirkland James L | Rheological penetrometer |
| WO1995019597A1 (en) * | 1994-01-14 | 1995-07-20 | Strategic Weather Services | A user interface for graphically displaying the impact of weather on managerial planning applications |
| US5668719A (en) | 1994-08-05 | 1997-09-16 | Tyler Limited Partnership | Method of fertilizer application and field treatment |
| EP1143784B1 (en) | 1999-03-15 | 2007-02-21 | Tokyo University of Agriculture and Technology Tlo Co., Ltd. | Soil survey device and system for precision agriculture |
| JP3831249B2 (ja) | 1999-07-08 | 2006-10-11 | 農工大ティー・エル・オー株式会社 | 土壌測定装置、土壌測定支援装置及び方法並びにプログラムを記録した記録媒体及びデータを記録した記録媒体並びに土壌モデルデータベース管理システム |
| US6535817B1 (en) | 1999-11-10 | 2003-03-18 | The Florida State Research Foundation | Methods, systems and computer program products for generating weather forecasts from a multi-model superensemble |
| US6422508B1 (en) | 2000-04-05 | 2002-07-23 | Galileo Group, Inc. | System for robotic control of imaging data having a steerable gimbal mounted spectral sensor and methods |
| US20020133505A1 (en) | 2001-03-14 | 2002-09-19 | Hideki Kuji | System for recommending crops and attachments to farm tractors |
| US20030061075A1 (en) | 2001-05-17 | 2003-03-27 | Converium Reinsurance (North America) Inc. | System and method for rating and structuring bands of crop production insurance |
| US6853937B2 (en) | 2001-07-06 | 2005-02-08 | Tokyo University Of Agriculture And Technology Tlo Co., Ltd. | Soil characteristics survey device and soil characteristics survey method |
| JP3966139B2 (ja) | 2002-09-27 | 2007-08-29 | 株式会社日立製作所 | 気象物理量の推定方法 |
| US20050027572A1 (en) | 2002-10-16 | 2005-02-03 | Goshert Richard D.. | System and method to evaluate crop insurance plans |
| US6999877B1 (en) * | 2003-01-31 | 2006-02-14 | Deere & Company | Method and system of evaluating performance of a crop |
| US7050910B2 (en) | 2003-12-18 | 2006-05-23 | Kemira Growhow Oy | Method and system for analyzing site-specific growth factors limiting production |
| US7702597B2 (en) | 2004-04-20 | 2010-04-20 | George Mason Intellectual Properties, Inc. | Crop yield prediction using piecewise linear regression with a break point and weather and agricultural parameters |
| US7327245B2 (en) * | 2004-11-22 | 2008-02-05 | Microsoft Corporation | Sensing and analysis of ambient contextual signals for discriminating between indoor and outdoor locations |
| US20060167926A1 (en) | 2005-01-27 | 2006-07-27 | James Verhey | Vineyard information collection and management system |
| US8527301B2 (en) | 2006-01-20 | 2013-09-03 | Deere & Company | System and method for evaluating risk associated with a crop insurance policy |
| WO2008086318A1 (en) | 2007-01-08 | 2008-07-17 | Precision Planting, Inc. | Planter monitor system and method |
| US8200368B2 (en) | 2008-12-10 | 2012-06-12 | Rain Bird Corporation | Automatically adjusting irrigation controller with temperature and rainfall sensor |
| US8816262B2 (en) | 2007-07-03 | 2014-08-26 | Kyle H. Holland | Auto-calibration method for real-time agricultural sensors |
| NZ562316A (en) | 2007-10-09 | 2009-03-31 | New Zealand Inst For Crop And | Method and system of managing performance of a tuber crop |
| US9285501B2 (en) | 2008-11-04 | 2016-03-15 | Veris Technologies, Inc. | Multiple sensor system and method for mapping soil in three dimensions |
| US8150554B2 (en) | 2009-04-21 | 2012-04-03 | Deere & Company | Resource use management in yards and gardens |
| US8311780B2 (en) | 2009-04-23 | 2012-11-13 | Honeywell International Inc. | Enhanced prediction of atmospheric parameters |
| WO2011064445A1 (en) | 2009-11-25 | 2011-06-03 | Nokia Corporation | Method and apparatus for agricultural resource mapping |
| CN102103077A (zh) * | 2009-12-16 | 2011-06-22 | 中国科学院沈阳应用生态研究所 | 一种基于modis数据的农业干旱监测方法 |
| US8655601B1 (en) | 2010-02-08 | 2014-02-18 | Bowling Green State University | Method and system for detecting phosphorus in soil from reflected light |
| US8426211B1 (en) | 2010-02-08 | 2013-04-23 | Bowling Green State University | Method and system for detecting copper in soil from reflected light |
| WO2011150353A1 (en) | 2010-05-28 | 2011-12-01 | Gvm, Inc. | Remote management system for equipment |
| US8594897B2 (en) | 2010-09-30 | 2013-11-26 | The Curators Of The University Of Missouri | Variable product agrochemicals application management |
| US9058633B2 (en) * | 2010-10-25 | 2015-06-16 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
| US10115158B2 (en) | 2010-10-25 | 2018-10-30 | Trimble Inc. | Generating a crop recommendation |
| US9408342B2 (en) * | 2010-10-25 | 2016-08-09 | Trimble Navigation Limited | Crop treatment compatibility |
| US20130144827A1 (en) | 2011-02-03 | 2013-06-06 | Schaffert Manufacturing Company, Inc. | Systems and methods for supporting fertilizer decisions |
| US8737694B2 (en) | 2011-02-07 | 2014-05-27 | Southern Minnesota Beet Sugar Cooperative | Organic matter mapping using remotely sensed images |
| CN102141801A (zh) * | 2011-03-09 | 2011-08-03 | 黑龙江八一农垦大学 | 水稻田间生长环境监测与灌溉控制*** |
| US20130174040A1 (en) | 2011-12-30 | 2013-07-04 | Jerome Dale Johnson | Methods, apparatus and systems for generating, updating and executing a crop-planting plan |
| US20130173321A1 (en) | 2011-12-30 | 2013-07-04 | Jerome Dale Johnson | Methods, apparatus and systems for generating, updating and executing a crop-harvesting plan |
| US9183346B2 (en) | 2012-03-12 | 2015-11-10 | Empire Technology Development Llc | Robotic appendages |
| US20150095001A1 (en) | 2012-03-27 | 2015-04-02 | Total Sa | Method for determining mineralogical composition |
| US20130332205A1 (en) * | 2012-06-06 | 2013-12-12 | David Friedberg | System and method for establishing an insurance policy based on various farming risks |
| US20140012504A1 (en) | 2012-06-14 | 2014-01-09 | Ramot At Tel-Aviv University Ltd. | Quantitative assessment of soil contaminants, particularly hydrocarbons, using reflectance spectroscopy |
| WO2014014671A1 (en) | 2012-07-17 | 2014-01-23 | Us Synthetic Corporation | Tilting superhard bearing elements in bearing assemblies, apparatuses, and motor assemblies using the same |
| US20140067745A1 (en) | 2012-08-30 | 2014-03-06 | Pioneer Hi-Bred International, Inc. | Targeted agricultural recommendation system |
| US20140089045A1 (en) * | 2012-09-27 | 2014-03-27 | Superior Edge, Inc. | Methods, apparatus and systems for determining stand population, stand consistency and stand quality in an agricultural crop and alerting users |
| WO2014146719A1 (en) | 2013-03-22 | 2014-09-25 | Foss Analytical A/S | System for and method of combined libs and ir absorption spectroscopy investigations |
| US20140321714A1 (en) | 2013-04-24 | 2014-10-30 | Billy R. Masten | Methods of enhancing agricultural production using spectral and/or spatial fingerprints |
| US9349148B2 (en) | 2013-07-17 | 2016-05-24 | Sigma Space Corp. | Methods and apparatus for adaptive multisensor analisis and aggregation |
| US20150237796A1 (en) | 2014-02-24 | 2015-08-27 | Robert Celli | Apparatus and method for localized irrigation and application of fertilizers, herbicides, or pesticides to row crops |
| CN103941254A (zh) | 2014-03-03 | 2014-07-23 | 中国神华能源股份有限公司 | 一种基于地质雷达的土壤物性类别识别方法和装置 |
| WO2015195988A1 (en) | 2014-06-18 | 2015-12-23 | Texas Tech University System | Portable apparatus for soil chemical characterization |
| US10667456B2 (en) | 2014-09-12 | 2020-06-02 | The Climate Corporation | Methods and systems for managing agricultural activities |
| US10564316B2 (en) | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
| US10697951B2 (en) | 2014-12-15 | 2020-06-30 | Textron Systems Corporation | In-soil data monitoring system and method |
| US9953241B2 (en) | 2014-12-16 | 2018-04-24 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods for satellite image processing to estimate crop yield |
| US9087312B1 (en) | 2015-01-23 | 2015-07-21 | Iteris, Inc. | Modeling of costs associated with in-field and fuel-based drying of an agricultural commodity requiring sufficiently low moisture levels for stable long-term crop storage using field-level analysis and forecasting of weather conditions, grain dry-down model, facility metadata, and observations and user input of harvest condition states |
| AU2016294138C1 (en) | 2015-07-15 | 2022-02-24 | Climate Llc | Generating digital models of nutrients available to a crop over the course of the crop's development based on weather and soil data |
| US10529036B2 (en) | 2016-01-22 | 2020-01-07 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
-
2015
- 2015-09-04 US US14/846,422 patent/US10667456B2/en active Active
- 2015-09-10 CN CN201580056097.0A patent/CN107077650A/zh active Pending
- 2015-09-10 UA UAA201703547A patent/UA123762C2/uk unknown
- 2015-09-10 WO PCT/US2015/049486 patent/WO2016040678A1/en active Application Filing
- 2015-09-10 EP EP19219254.0A patent/EP3693903A1/en active Pending
- 2015-09-10 AU AU2015315001A patent/AU2015315001A1/en not_active Abandoned
- 2015-09-10 CA CA2960424A patent/CA2960424C/en active Active
- 2015-09-10 BR BR112017004750-0A patent/BR112017004750A2/pt not_active Application Discontinuation
- 2015-09-10 EP EP15775530.7A patent/EP3192021A1/en not_active Ceased
- 2015-09-11 AR ARP150102912A patent/AR103494A1/es not_active Application Discontinuation
-
2017
- 2017-04-12 CO CONC2017/0003536A patent/CO2017003536A2/es unknown
-
2020
- 2020-06-01 US US16/889,627 patent/US11785879B2/en active Active
-
2021
- 2021-03-24 AU AU2021201834A patent/AU2021201834A1/en not_active Abandoned
- 2021-09-24 AR ARP210102670A patent/AR123608A2/es unknown
-
2023
- 2023-09-22 US US18/372,045 patent/US20240008390A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US11785879B2 (en) | 2023-10-17 |
| CO2017003536A2 (es) | 2017-05-31 |
| EP3693903A1 (en) | 2020-08-12 |
| AU2015315001A1 (en) | 2017-04-27 |
| WO2016040678A1 (en) | 2016-03-17 |
| US20200288626A1 (en) | 2020-09-17 |
| US10667456B2 (en) | 2020-06-02 |
| CA2960424A1 (en) | 2016-03-17 |
| BR112017004750A2 (pt) | 2018-06-26 |
| US20160073573A1 (en) | 2016-03-17 |
| AU2021201834A1 (en) | 2021-04-29 |
| AR123608A2 (es) | 2022-12-21 |
| EP3192021A1 (en) | 2017-07-19 |
| CA2960424C (en) | 2023-02-28 |
| CN107077650A (zh) | 2017-08-18 |
| AR103494A1 (es) | 2017-05-17 |
| US20240008390A1 (en) | 2024-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| UA123762C2 (uk) | Системи та способи для управління сільськогосподарською діяльністю | |
| US11941709B2 (en) | Methods and systems for managing crop harvesting activities | |
| US20210383290A1 (en) | Methods and systems for recommending agricultural activities | |
| US11847708B2 (en) | Methods and systems for determining agricultural revenue | |
| US11893648B2 (en) | Methods and systems for recommending agricultural activities | |
| UA126557C2 (uk) | Спосіб визначення врожайності сільськогосподарської культури на національному рівні протягом періоду вегетації із використанням погодних індексів | |
| UA125018C2 (uk) | Спосіб управління внесенням добрив з використанням цифрової моделі доступності біогенних речовин та система для його здійснення | |
| BR112020002112A2 (pt) | dispositivo portátil para gerenciamento agrícola econômico | |
| CN115205695A (zh) | 一种根据种植数据确定种植策略的方法和*** | |
| Conde | Coping with climate change impacts on coffee and maize for peasants in Mexico | |
| Gross | Assessment of future agricultural land potential using gis and regional climate projections for Hawaiʻi island--an application to macadamia nut and coffee | |
| Jagannath et al. | Village Midline Study: Vaishali, Bihar State, India | |
| Baigorria | Assessing the use of seasonal climate forecasts to support farmers in the Andean Highlands | |
| Woodward | How important is location in determining kiwifruit orchard returns? | |
| Befikadu Deneke et al. | Satellite ET-based irrigation performance: Strategies to increase rainfed crops production in the lower Baro watershed, Ethiopia | |
| Malec et al. | Water balance of the Czech crop mix in 1961–2019 | |
| Paul | The Downside of Good Rains: Drought Risk and WTP for Maize with Weather Contingent Advantages | |
| Jha et al. | Tracking Wheat Yield Sensitivity To Weather Variability Across Indian Transect for Climate Smart Farming | |
| Manley et al. | Impact of Climate Change on Samoan Agriculture | |
| Kakaniya et al. | Factors affecting the adoption of farm ponds in drought prone areas of Gujarat: Sharing Experiences of AKRSP (I) | |
| President-EMS | This page is for indexing purposes and will not be printed in the conference proceedings book. | |
| Raj et al. | TECHNOLOGY ADOPTION IN FARMING |