使用实时模型的作业机械控制制造技术

获得用于作业现场的先验的地理参考植被指数数据以及由在作业现场处执行操作的作业机械上的传感器收集的田地数据。在机器执行操作时，基于地理参考植被指数数据和田地数据生成预测模型。生成用于预测模型的模型质量度量，该模型质量度量用于确定预测模型是否为合格的预测模型。如果预测模型为合格的预测模型，则控制系统使用合格的预测模型和作业机械的位置来控制作业机械的子系统以执行操作。

【技术实现步骤摘要】
使用实时模型的作业机械控制
当前描述涉及作业机械。更具体地，当前描述涉及一种控制系统，该控制系统在运行时间期间动态地感测数据并生成预测模型以及使该预测模型具备合格条件，并且使用该模型来控制作业机械。
技术介绍
存在各种不同类型的作业机械。这些机械可以包括建筑机械、草皮管理机械、林业机械、农业机械等。一些当前系统已经试图使用先验数据来生成可用于控制作业机械的预测模型。例如，农业收割机可以包括联合收割机、饲料收割机、棉花收割机等。一些当前系统已经试图使用先验数据(诸如田地的航拍图像)以生成预测产量地图。预测产量地图预测在正收割的田地中的不同地理位置处的产量。当前系统已经试图在控制收割机中使用该预测产量地图。上面的讨论仅是为总体背景信息而提供的，并不旨在用于帮助确定所要求保护的主题的范围。
技术实现思路
获得用于作业现场的先验的地理参考植被指数数据以及由在作业现场执行操作的作业机械上的传感器收集的田地数据。在作业机械执行操作时，基于地理参考植被指数数据和田地数据生成预测模型。生成用于预测模型的模型质量度量，并且该模型质量度量用于确定预测模型是否为合格的预测模型。如果是合格的预测模型，则控制系统使用该合格的预测模型和作业机械的位置来控制作业机械的子系统以执行操作。提供本
技术实现思路
以用简化形式引入一些概念，这些概念将在下面的具体实施方式中进一步描述。本
技术实现思路
既不旨在识别所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。所要求保护的主题不限于解决
技术介绍
中指出的任何缺点或所有缺点的实施方式。附图说明图1是联合收割机的局部示意性局部图示。图2A是示出包括图1中所示的联合收割机的计算系统架构的一个示例的框图。图2B是示出一组示例性地理参考的先验数据的框图。图3A至图3C(在本文中统称为图3)示出了流程图，该流程图示出图2中所示的计算系统架构的操作的一个示例。图4A是示出一个示例性田地的图。图4B是示出图4A中所示的用于该田地的一组示例性地理参考的先验数据的图。图4C是示出由模型评估系统所利用的一组示例性规则的图。图5是示出图2中所示的架构的操作的另一示例的流程图，其动态地生成执行器特定的或子系统特定的控制模型。图6是示出图2A中所示的架构的一个示例的框图，该架构配置在远程服务器架构中。图7至图9示出了可以在先前附图中所示的架构中使用的移动设备的示例。图10是示出可以在先前附图中所示的架构中使用的计算环境的一个示例的框图。具体实施方式如上面所讨论的，一些当前系统试图使用先验数据(例如航拍图像)以便生成可用于控制作业机械的预测地图。举例来说，基于从航拍图像中生成的植被指数值，在试图生成用于一田地的预测产量地图中已经做了大量工作。这样的预测产量地图试图预测田地内不同位置处的产量。该系统试图基于所预测的产量来控制联合收割机(或其他收割机)。而且，一些系统试图使用前瞻性感知系统，其可能涉及获得在收割机的行驶方向上的前方的田地的光学图像。基于这些图像，可以预测收割机正前方的区域的产量。这是可以用于生成预测产量地图的形式的先验数据的另一个来源。所有这些类型的系统都可能存在困难。例如，基于先验数据生成的模型均不代表实际的土地真实数据。例如，它们仅代表预测产量，而不代表实际土地真实产量值。因此，某些系统已尝试生成多个不同的模型，然后基于历史性能为它们分配质量得分。例如，远程服务器环境可以获得先验航拍图像数据并生成预测产量地图。然后，远程服务器环境可以接收在收割该田地时生成的实际产量数据。可以基于实际产量数据确定模型的质量或准确性。然后可以修改预测产量模型或用于创建模型的算法以对其进行改进。然而，这在收割操作期间无助于控制收割机。相反地，在完成收割操作之后，将实际产量数据提供给远程服务器环境，从而可以针对该田地的下一个收割季节改进模型。相比之下，下列说明描述了一种不仅基于先验数据而且基于代表待建模的实际值的现场田地数据来生成预测模型的系统和方法。例如，在预测地图是预测产量地图的情况下，用于生成该地图的模型是基于先验数据(诸如航拍图像数据)和现场数据(诸如在收割操作期间在收割机上感测的实际产量数据)动态地生成。一旦生成了预测产量地图，就评估用于生成预测产量地图的模型(例如，预测地图)以确定其准确性(或质量)。如果模型的质量足够高，则可在收割操作期间将其用于控制联合收割机，并使用在收割操作期间从联合收割机收集的现场数据动态地并且迭代地评估模型。如果模型的质量不够高，则系统可以动态地切换到替代模型，或者可以切换回手动操作或预设值，或者可以生成和评估其他替代模型。图1是在农业机械100是联合收割机(或联合型收割机)的示例中的农业机械100的局部图示的局部示意图。在图1中可以看出，联合收割机100示例性地包括操作室101，该操作室101可以具有各种不同的操作者界面机制，用于控制联合收割机100，如将在下面更详细地讨论的。联合收割机100可以包括一组前端设备，该组前端设备可以包括收割台102以及总体以104表示的切割器。联合收割机100还可以包括进料室106、进料加速器108和总体以110表示的脱粒器。脱粒器110示例性地包括脱粒转子112和一组凹部114。此外，联合收割机100可以包括分离器116，该分离器116包括分离器转子。联合收割机100可以包括清洁子系统(或清洁靴)118，清洁子系统本身可以包括清洁风扇120、糠筛122和细筛124。联合收割机100中的材料处理子系统可以包括(除了进料室106和进料加速器108之外)排料搅拌器126、残穗提升机128、净谷粒提升机130(其将净谷粒移动到净谷粒罐132中)以及卸载螺旋输送器134和出料口136。联合收割机100还可以包括残料子系统138，其可以包括切碎机140和散布机142。联合收割机100还可以具有推进子系统，该推进子系统包括驱动地面接合轮144或履带等的发动机(或其他动力源)。将注意到，联合收割机100还可以具有上面提到的子系统中的任何子系统中的一个以上的子系统(例如左清洁靴、右清洁靴、分离器等)。在操作中，并且作为概述，联合收割机100沿箭头146所示的方向示例性地移动通过一田地。随着收割机的移动，收割台102接合待被收割的作物并将其朝向切割器104聚集。在切割之后，通过进料室106中的传送机将其朝向进料加速器108移动，该进料加速器108将作物加速送入脱粒器110中。通过转子112将作物抵靠着凹部114旋转来对作物进行脱粒。通过分离器116中的分离器转子对脱粒的作物进行移动，一些残料在该分离器中通过排料搅拌器126朝向残料子系统138移动。残料可以被残料切碎机140切碎，并且由散布机142散布到田地上。在其他实施方式中，残料仅掉落在料堆中，而不是被切碎并散布。谷粒落到清洁靴(或清洁子系统)118上。糠筛122从谷粒中分离出一些较大的材料，而细筛124从净谷粒中分离出本文档来自技高网...

【技术保护点】
1.一种控制作业现场上的作业机械以执行操作的方法，包括：/n识别在所述作业机械在所述作业现场处执行所述操作之前生成的用于所述作业现场的地理参考数据；/n当所述作业机械在所述作业现场处执行操作时，利用所述作业机械上的传感器收集田地数据，所述田地数据对应于所述作业现场的一部分；/n基于所述地理参考数据生成第一预测模型，并且基于所述田地数据生成第二预测模型；/n为所述第一预测模型计算指示模型准确性的第一模型质量度量；/n为所述第二预测模型计算指示模型准确性的第二模型质量度量；/n基于所计算的第一模型质量度量和第二模型质量度量，选择所述第一预测模型和所述第二预测模型中的一个作为选择模型；和/n使用所述选择模型控制所述作业机械的子系统以执行所述操作。/n

【技术特征摘要】
20190410 US 16/380,5641.一种控制作业现场上的作业机械以执行操作的方法，包括：
识别在所述作业机械在所述作业现场处执行所述操作之前生成的用于所述作业现场的地理参考数据；
当所述作业机械在所述作业现场处执行操作时，利用所述作业机械上的传感器收集田地数据，所述田地数据对应于所述作业现场的一部分；
基于所述地理参考数据生成第一预测模型，并且基于所述田地数据生成第二预测模型；
为所述第一预测模型计算指示模型准确性的第一模型质量度量；
为所述第二预测模型计算指示模型准确性的第二模型质量度量；
基于所计算的第一模型质量度量和第二模型质量度量，选择所述第一预测模型和所述第二预测模型中的一个作为选择模型；和
使用所述选择模型控制所述作业机械的子系统以执行所述操作。


2.根据权利要求1所述的方法，其中，选择所述选择模型包括：
确定所述第一模型质量度量和所述第二模型质量度量是否满足模型质量阈值。


3.根据权利要求1所述的方法，其中，选择所述选择模型包括：
比较所述第一模型质量度量和所述第二模型质量度量；和
基于所述第一模型质量度量和所述第二模型质量度量之间的比较来选择所述第一预测模型或所述第二预测模型。


4.根据权利要求1所述的方法，其中，识别地理参考数据包括：
从远程系统获得与所述作业现场相对应的先验的地理参考植被指数数据。


5.根据权利要求1所述的方法，其中，收集田地数据包括：
当所述作业机械在所述作业现场处执行收割操作时，利用所述作业机械上的茎秆直径传感器获得与所述作业现场的一部分相对应的茎秆直径数据。


6.根据权利要求1所述的方法，其中，所述作业机械具有多个不同的子系统，并且其中控制子系统包括：
控制所述作业机械上的所述多个不同的子系统。


7.根据权利要求1所述的方法，其中，计算所述第一模型质量度量包括：
检索天气数据；和
至少部分地基于所述天气数据生成所述第一模型质量度量。


8.根据权利要求1所述的方法，其中，计算所述第二模型质量度量包括：
利用遮蔽传感器收集田地遮蔽数据；和
至少部分地基于所述田地遮蔽数据生成所述第二模型质量度量。


9.根据权利要求2所述的方法，还包括：
如果所述第一模型质量度量和所述第二模型质量度量均满足所述模型质量阈值，则使用所述多个不同的预测模型中的一个不同的预测模型来控制所述作业现场上的所述作业机械的所述不同的子系统中的每一个子系统。


10.根据权利要求1所述的方法，其中，计算模型质量度量包括：
基于来自所生成的预测模型的模型值与所收集的田地数据中的田地值的比较来计算指示模型误差的误差值。


11.根据权利要求1所述的方法，还包括：
在所述作业机械执行所述操作的同时，迭代地重复下列步骤：收集田地数据；基于所述田地数据更新所述预测模型；计算所更新的预测模型的模型质量度量；以及确定所述预测模型是否为合格的预测模型。


12.一种作业机械上的计算系统，包括：...

【专利技术属性】
技术研发人员：诺埃尔·W·安德森，内森·R·范迪克，费德里科·帕尔迪纳马尔布兰，巴努·基兰·雷迪·帕拉，
申请(专利权)人：迪尔公司，
类型：发明
国别省市：美国;US