使用实时模型的机械控制制造技术

获得作业现场的先验地理参考植被指数数据，以及由正在作业现场执行操作的作业机械上的传感器采集的田地数据。在所述机械正在执行操作时，基于地理参考植被指数数据和所述田地数据生成预测模型。生成预测模型的模型质量度量，并且使用模型质量度量来确定预测模型是否是合格的预测模型。如果预测模型是合格的预测模型，控制系统使用所述合格的预测模型来控制作业机械的子系统和作业机械的位置以执行操作。

【技术实现步骤摘要】
使用实时模型的机械控制
本专利技术涉及作业机械。更具体地，本专利技术涉及一种控制系统，该控制系统在运行时间期间动态地感测数据，生成并检定预测模型的合格性，并使用该模型控制作业机械。
技术介绍
存在各种各样的不同类型的作业机械。这些作业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以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、草料收割机、棉花收割机等。一些当前系统已经尝试使用先验数据(例如，田地的航拍图像)以便生成预测产量图。预测产量图预测在正在被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时使用该预测产量图。以上讨论仅提供总体的背景信息，而不旨在于用于帮助确定所要求保护的主题的范围。
技术实现思路
获得作业现场的先验地理参考植被指数数据，以及由正在作业现场执行操作的作业机械上的传感器采集的田地数据。基于地理参考植被指数数据和所述田地数据生成在所述机械正在执行操作时的预测模型。生成预测模型的模型质量度量，并且使用模型质量度量来确定预测模型是否是合格的预测模型。在预测模型是合格的预测模型的情况下，控制系统使用合格的预测模型来控制作业机械的子系统和作业机械的位置以执行操作。提供本
技术实现思路
来以简化形式介绍一些概念，这些概念将在下面的详细描述中进一步描述。本
技术实现思路
不旨在标识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背景技术中提到的任何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图示的局部示意图。图2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3A-3C(在此统称为图3)示出了说明图2中所示的计算系统架构的操作的一个示例的流程图；图4是示出图2中所示的动态地生成致动器特定的或子系统特定的控制模型的架构的操作的另一示例的流程图；图5示出了图1中所示的部署在远程服务器环境中的架构的框图。图6-8示出了可以在前述附图中所示的架构中使用的移动设备的示例；图9是示出可在前述附图所示的架构中使用的计算环境的一个示例的框图。具体实施方式如上所述，一些当前系统试图使用先验数据(例如，航拍图像)以便生成可以用于控制作业机械的预测图。例如，在试图基于由航拍图像生成的植被指数值来生成田地的预测产量图中已经做了大量的工作。这种预测产量图试图预测在田地内的不同位置处的产量。系统试图基于所预测的产量来控制联合收割机(或其它收割机)。此外，一些系统试图使用前视感知系统，该前视感知系统可以涉及获得在行进方向上在收割机前方的田地的光学图像。基于这些图像，可以对在收割机正前方的区域预测产量。这是先验数据的另一来源，可以用于生成预测产量图的形式。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中没有一个表示实际的地面真实数据。例如，所述模型仅表示预测产量，而不是实际的地面真实产量值。因此，一些系统已经尝试生成多个不同的模型，并然后基于历史性能为所述模型分配质量得分。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图。远程服务器环境然后可以接收在收割该田地时生成的实际产量数据。所述远程服务器环境可以基于实际产量数据确定模型的质量或准确度。然后可以修改预测产量模型或用于创建该模型的算法以改进所述预测产量模型或所述用于创建该模型的算法。然而，这在收割操作期间无助于控制收割机。相反，在收割操作完成之后，实际产量数据被提供给远程服务器环境，使得可以针对该田地的下个收割季改进模型。相反，以下说明描述了不仅基于先验数据，而且基于表示正在被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，在预测图是预测产量图的情况下，基于先验数据(例如，航拍图像数据)和现场数据(例如，在收割操作期间在收割机上感测到的实际产量数据)动态地生成用于生成该预测产量图的模型。一旦生成预测产量图，用于生成该预测产量图的模型(例如，预测图)被评估以确定该模型的准确度(或质量)。如果模型的质量足够，则该模型用于在收割操作期间控制联合联合机，并且在收割操作期间使用从联合联合机采集的现场数据动态地且以迭代的方式评估该模型。如果模型不具有足够高的质量，则系统可以动态地切换到替代模型，或者所述系统可以切换回到手动操作或预设值，或者所述系统可以生成并评估其它备选模型。图1是在其中机械100是联合收割机(或联合机)的示例中农业机械100的局部图示的局部示意图。在图1中可以看到，联合收割机100示意性地包括操作员室101，该操作员室可以具有如将在下面更详细地论述的用于控制联合收割机100的各种不同的操作员接口机构。联合联合机100可以包括一组前端设备，所述一组前端设备可以包括收割台102和总体上由附图标记104表示的切割器。所述联合收割机100还可以包括进料室106、进料加速器108和总体由附图标记110表示的脱粒机。脱粒机110示意性地包括脱粒转子112和一组凹板114。此外，联合联合机100可以包括分离器116，所述分离器包括分离器转子。联合联合机100可以包括清洁子系统(或清粮筛架(cleaningshoe))118，所述清洁子系统本身可以包括清洁风扇120、谷壳筛122和筛子124。联合联合机100中的物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、残余物升降机128、净谷粒升降机130(所述净谷粒升降机将净谷粒移动到净谷粒箱132中)以及卸载螺旋输送器134和喷口136。联合收割机100还可以包括残留物子系统138，所述残留物子系统可以包括切碎机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接地轮144或履带等的发动机(或其它动力源)。应注意，联合收割机100还可以具有多于一个的上述任何子系统(例如左清粮筛架和右清粮筛架、分离器等)。在操作中，并且通过概述，联合收割机100示意性地在由箭头146所指示的方向上移动通过田地。当该联合收割机100移动时，收割台102接合待收割的作物并将所述作物朝向切割器104聚集。在作物被切割之后，该作物通过进料室106中的传送器朝向进料加速器108移动，该进料加速器108使作物加速进入到脱粒机110中。通过转子112使作物抵靠凹板114旋转来对作物进行脱粒。脱粒后的作物通过分离器116中的分离器转子移动，其中一些残留物通过排料搅拌器126朝向残留物子系统138移动。所述残留物可以被残留物切碎机140切碎并通过散布机142散布在田地上。在其它实施方式中，残留物简单地落入料堆中，而不是被切碎并散布。谷物落到清粮筛架(或清洁子系统)118。谷壳筛122从谷物中分离一些较大的物料，而筛子124从净谷粒中分离一些较精细的物料。净谷粒落到净谷粒升降机130中的螺旋输送器，该螺旋输送器使净谷粒向上移动并将该净谷粒沉积在净谷粒箱132中。可以通过由清洁本文档来自技高网...

【技术保护点】
1.一种控制作业现场上的机械以执行操作的方法，包括：/n识别在所述机械在所述作业现场执行所述操作之前生成的所述作业现场的地理参考植被指数数据；/n当所述机械正在所述作业现场执行操作时，利用所述机械上的传感器采集田地数据，所述田地数据对应于所述作业现场的一部分；/n基于所述地理参考植被指数数据和所述田地数据生成预测模型；/n计算所述预测模型的指示模型准确度的模型质量度量；/n基于所计算的所述模型质量度量确定当所述机械正在所述作业现场执行所述操作时所述预测模型是否是合格的预测模型；以及/n如果所述预测模型是合格的预测模型，使用合格的所述预测模型来控制所述机械的子系统以执行所述操作。/n

【技术特征摘要】
20190410 US 16/380,5311.一种控制作业现场上的机械以执行操作的方法，包括：
识别在所述机械在所述作业现场执行所述操作之前生成的所述作业现场的地理参考植被指数数据；
当所述机械正在所述作业现场执行操作时，利用所述机械上的传感器采集田地数据，所述田地数据对应于所述作业现场的一部分；
基于所述地理参考植被指数数据和所述田地数据生成预测模型；
计算所述预测模型的指示模型准确度的模型质量度量；
基于所计算的所述模型质量度量确定当所述机械正在所述作业现场执行所述操作时所述预测模型是否是合格的预测模型；以及
如果所述预测模型是合格的预测模型，使用合格的所述预测模型来控制所述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，确定所述预测模型是否是合格的预测模型包括：
确定所述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，还包括：
如果所述预测模型被确定不是合格的预测模型，则：
识别不同的地理参考植被指数数据，以用于生成不同的预测模型；
生成不同的预测模型；
确定当所述机械正在所述作业现场执行所述操作时所述不同的预测模型是否是合格的模型；以及
如果所述不同的预测模型是合格的模型，使用所述不同的预测模型来控制所述机械的子系统以执行所述操作。


4.根据权利要求1所述的方法，其中，识别所述地理参考植被指数数据包括：
从远程系统获得与所述作业现场相对应的先验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，采集田地数据包括：
当所述机械正在所述作业现场执行收割操作时，利用所述机械上的作物产量传感器获得与所述作业现场的一部分相对应的作物产量数据。


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


7.根据权利要求6所述的方法，其中，生成预测模型包括：
基于先验数据和所述田地数据，为所述作业机械的不同的子系统生成多个不同的预测模型。


8.根据权利要求7所述的方法，其中，计算模型质量度量包括：
计算所述不同的预测模型的多个不同的模型质量度量值，其中，确定所述预测模型是否为合格的预测模型包括：
基于所计算的模型质量度量值确定所述多个预测模型中的每一个是否为合格的预测模型。


9.根据权利要求8所述的方法，还包括：
如果多个不同的预测模型是合格的预测模型，使用所述多个不同的预测模型中的不同的一个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个子系统。


10.根据权利要求1所述的方法，其中，计算所述模型质量度量包括：
基于来自所生成的预测模型的模型值与所采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：
在所述机械正在执行所述操作时，以迭代的方式重复以下步骤：采集田地数据、基于所述田地数据更新所述预测模型、计算更新后的预测模型的模型质量度量、以及确定所...

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