用于监视和调节植物生产率的系统和方法技术方案

用于监视和调节植物生产率的系统，包括：存储器，该存储器用于存储指令；处理器，该处理器用于执行指令以使监视和调节植物生产率的方法被执行，该方法包括：从监视传感器接收现场数据；通过执行机器学习算法的至少一个处理器来计算与作物现场的生产环境状况相关联的变量的预测值，该机器学习算法已经基于训练集被训练过，该训练集包括以下中的一个或两个：(a)来自监视传感器的现场数据，以及(b)从现场数据中导出的生成特征；以及基于与该变量相关联的阈值来确定变量的预测值指示要启动对作物现场的干预；以及响应于确定而使可控装置改变生产环境状况。

【技术实现步骤摘要】
【国外来华专利技术】用于监视和调节植物生产率的系统和方法
本文中描述的实施方式总体上涉及用于监视植物生产率(productivity)的系统和方法，更具体的，涉及用于促进植物生产率的数据驱动调节的系统和方法。
技术介绍
已经使用了试图提高植物生产率的各种技术。特别地，旨在提高作物产量的系统和方法是已知的。例如，可以控制灌溉系统以调整土壤中的水分的含量。作为另一示例，可以对植物进行遗传改进以增加其对干旱或昆虫的抗性。
技术实现思路
以下
技术实现思路
仅用于说明性目的，并不旨在限制或约束具体实施方式。以下
技术实现思路
仅以简化的形式呈现了各种描述的方面，作为下面提供的更详细描述的序言。根据各个方面，本技术涉及一种用于监视和调节植物生产率的系统。该系统可通信耦接至能够部署在至少一个作物现场中的多个监视传感器。该系统还可通信耦接至至少一个可控装置，该可控装置能够操作以改变至少一个作物现场的至少一个生产环境状况，其中，该系统包括：至少一个存储器，该至少一个存储器用于存储多个指令，以及；至少一个处理器，该至少一个处理器用于执行多个指令，以使监视和调节植物生产率的方法被执行。根据各个方面，该方法包括：从多个监视传感器接收现场数据，该现场数据与在监视阶段内感测到的至少一个作物现场的状况相关联；由执行机器学习算法的至少一个处理器计算与至少一个作物现场的至少一个生产环境状况相关联的至少一个变量的预测值，机器学习算法已经基于训练集被训练过，训练集包括以下中的一个或两个：(a)来自多个监视传感器的现场数据，以及(b)从现场数据中导出的至少一个生成特征；和以及基于与至少一个变量相关联的阈值来确定至少一个变量的预测值指示要启动对至少一个作物现场的干预；以及响应于确定而使至少一个可控装置改变至少一个生产环境状况。现场数据可以包括与植物生产率有关并且彼此具有多种交互的多个因素。例如，现场数据可以包括与作物现场的土壤(例如土壤含水量、渗透势、土壤硝酸盐水平、土壤温度)、空气(例如空气温度、相对湿度、风速和风向、大气压力、叶片湿度、太阳辐射和降雨)、野生动植物(例如孢子定量、昆虫定量、觅食蜂活动)和灌溉水(例如灌溉水的量、灌溉水温度、pH、盐度、硝酸盐含量、肥料含量)有关的数据。至少一个变量包括以下中的一个或更多个：土壤张力、土壤含水量、土壤温度、pH、土壤硝酸盐含量、土壤盐度、灌溉水量、灌溉水pH、灌溉水温度等。在某些实施方式中，机器学习算法同时考虑了现场数据和/或至少一个生成的数据的多个因素之间的交互。在某些实施方式中，与至少一个变量相关联的阈值被实时动态地调整，以改进、优化或保持植物生产率。根据其他方面，该系统被布置成从诸如另一处理器的其他源接收现场数据。根据至少一个实施方式，该方法还包括基于训练集来训练机器学习算法。根据至少一个实施方式，该方法还包括接收至少一种外部数据类型的数据，并且训练集还至少包括至少一种外部数据类型的数据的子集。根据至少一个实施方式，训练集还包括从以下组中选择的至少一种外部数据类型的数据：来自除了至少一个作物现场之外的作物现场的数据、卫星数据、无人机数据、环境数据、天气数据、股票价格数据、资源成本数据、资源可用性数据和经济数据。根据至少一个实施方式，该方法还包括将训练集中的数据存储在至少一个多元矩阵中。根据至少一个实施方式，该方法还包括：在确定预测值指示要启动对至少一个作物现场的干预之前，由执行机器学习算法的至少一个处理器调整与至少一个变量相关联的阈值。根据至少一个实施方式，方法的至少一些动作被重复至少一个随后迭代，使得针对每个随后迭代，在接收时，现场数据与在相应的随后监视阶段内的至少一个作物现场的状况相关联。根据至少一个实施方式，使至少一个可控装置改变至少一个生产环境状况响应于确定自动地执行。根据至少一个实施方式，该方法还包括：输出期望对至少一个作物现场的干预的警报，以及在使至少一个可控装置改变至少一个生产环境状况之前，响应于警报而接收用户确认。根据至少一个实施方式，该方法还包括生成干预安排，以允许手动评估是否期望对至少一个作物现场的干预。根据至少一个实施方式，该方法还包括生成至少一个性能评估报告，以允许在监视阶段内手动评估至少一个作物现场的作物现场性能。根据至少一个实施方式，确定至少一个变量的预测值指示要启动在至少一个作物现场中的干预包括：基于至少一个输出参数对优化植物生产率的至少一个变量的一个或更多个值进行评估。根据至少一个实施方式，至少一个输出参数包括从以下组中选择的输出参数中的一个或更多个：作物产量、获利能力、水的使用、能源的使用、肥料的淋滤和温室气体排放。根据至少一个实施方式，至少一个输出参数包括多个输出参数，其中，该方法还包括对多个输出参数进行优先级排序，并且其中，对优化植物生产率的至少一个变量的一个或更多个值的评估基于已经进行过优先级排序的多个输出参数。根据至少一个实施方式，该方法还包括：使现场数据标准化，其中，标准化包括：在空间维度和时间维度中的至少一个中对现场数据进行对准，并且其中，至少一个变量的预测值包括空间分量和时间分量中的至少一个。根据至少一个实施方式，从现场数据中导出的至少一个生成特征包括根据与现场数据相关联的至少一个时间序列的分解计算出的多个元素。根据至少一个实施方式，使至少一个可控装置改变至少一个生产环境状况包括：在至少一个作物现场中启动在从以下组中选择的以下元素中的至少一个的变化：水、能源、氮、其他元素、化学输入。在某些实施方式中，化学输入包括农药。从其他方面，提供了一种计算装置，该计算装置包括至少一个装置处理器和至少一个装置存储器，至少一个装置处理器用于由以上系统的至少一个处理器启动监视和调节植物生产率的方法的执行，其中，在经由至少一个网络连接通信耦接至计算装置的一个或更多个联网装置上执行方法的一个或更多个动作。从又一方面，提供了一种监视和调节植物生产率的方法，该方法包括：从多个监视传感器接收现场数据，现场数据与在监视阶段内感测到的至少一个作物现场的状况相关联；由执行机器学习算法的至少一个处理器计算与至少一个作物现场的至少一个生产环境状况相关联的至少一个变量的预测值，机器学习算法已经基于训练集被训练过，训练集包括以下中的一个或两个：(a)来自多个监视传感器的现场数据，以及(b)从现场数据中导出的至少一个生成特征；以及基于与至少一个变量相关联的阈值来确定至少一个变量的预测值指示要启动对至少一个作物现场的干预；以及响应于确定而使至少一个可控装置改变至少一个生产环境状况。从其他方面，提供了一种监视和调节植物生产率的方法，该方法包括：由执行机器学习算法的至少一个处理器计算与至少一个作物现场的至少一个生产环境状况相关联的至少一个变量的预测值，机器学习算法已经基于训练集被训练过，训练集包括以下中的一个或两个：(a)来自多个监视传感器的现场数据，现场数据与在监视阶段内感测到的至少一个作物现场的状况相关联，以及(b)从现场数据中导出的至少一个生成特征本文档来自技高网...

【技术保护点】
1.一种用于监视和调节植物生产率的系统，其中，所述系统能够通信耦接至能够部署在至少一个作物现场中的多个监视传感器，其中，所述系统还能够通信耦接至至少一个可控装置，所述可控装置能够操作以改变所述至少一个作物现场的至少一个生产环境状况，其中，所述系统包括：/n至少一个存储器，所述至少一个存储器用于存储多个指令，以及；/n至少一个处理器，所述至少一个处理器用于执行所述多个指令，以使监视和调节植物生产率的方法被执行，所述方法包括：/n从所述多个监视传感器接收现场数据，所述现场数据与在监视阶段内感测到的所述至少一个作物现场的状况相关联；/n由执行机器学习算法的所述至少一个处理器计算与所述至少一个作物现场的所述至少一个生产环境状况相关联的至少一个变量的预测值，所述机器学习算法已经基于训练集被训练过，所述训练集包括以下中的一个或两个：(a)来自所述多个监视传感器的所述现场数据，以及(b)从所述现场数据中导出的至少一个生成特征；以及/n基于与所述至少一个变量相关联的阈值来确定所述至少一个变量的所述预测值指示要启动对所述至少一个作物现场的干预；以及/n响应于所述确定而使所述至少一个可控装置改变所述至少一个生产环境状况。/n...

【技术特征摘要】
【国外来华专利技术】20180817 US 62/719,1711.一种用于监视和调节植物生产率的系统，其中，所述系统能够通信耦接至能够部署在至少一个作物现场中的多个监视传感器，其中，所述系统还能够通信耦接至至少一个可控装置，所述可控装置能够操作以改变所述至少一个作物现场的至少一个生产环境状况，其中，所述系统包括：
至少一个存储器，所述至少一个存储器用于存储多个指令，以及；
至少一个处理器，所述至少一个处理器用于执行所述多个指令，以使监视和调节植物生产率的方法被执行，所述方法包括：
从所述多个监视传感器接收现场数据，所述现场数据与在监视阶段内感测到的所述至少一个作物现场的状况相关联；
由执行机器学习算法的所述至少一个处理器计算与所述至少一个作物现场的所述至少一个生产环境状况相关联的至少一个变量的预测值，所述机器学习算法已经基于训练集被训练过，所述训练集包括以下中的一个或两个：(a)来自所述多个监视传感器的所述现场数据，以及(b)从所述现场数据中导出的至少一个生成特征；以及
基于与所述至少一个变量相关联的阈值来确定所述至少一个变量的所述预测值指示要启动对所述至少一个作物现场的干预；以及
响应于所述确定而使所述至少一个可控装置改变所述至少一个生产环境状况。


2.根据权利要求1所述的系统，其中，所述方法还包括基于所述训练集来训练所述机器学习算法。


3.根据权利要求1或权利要求2所述的系统，其中，所述方法还包括接收至少一种外部数据类型的数据，并且所述训练集还至少包括所述至少一种外部数据类型的所述数据的子集。


4.根据权利要求1至3中任一项所述的系统，其中，所述训练集还包括从以下组中选择的至少一种外部数据类型的数据：来自除了所述至少一个作物现场之外的作物现场的数据、卫星数据、无人机数据、环境数据、天气数据、股票价格数据、资源成本数据、资源可用性数据和经济数据。


5.根据权利要求1至4中任一项所述的系统，其中，所述方法还包括将所述训练集中的数据存储在至少一个多元矩阵中。


6.根据权利要求1至5中任一项所述的系统，其中，所述方法还包括：在确定所述预测值指示要启动对所述至少一个作物现场的干预之前，由执行所述机器学习算法的所述至少一个处理器调整与所述至少一个变量相关联的所述阈值。


7.根据权利要求1至6中任一项所述的系统，其中，所述方法的至少一些动作被重复至少一个随后迭代，使得针对每个随后迭代，在所述接收时，所述现场数据与在相应随后监视阶段内的所述至少一个作物现场的状况相关联。


8.根据权利要求1至7中任一项所述的系统，其中，使所述至少一个可控装置改变所述至少一个生产环境状况响应于所述确定而自动地被执行。


9.根据权利要求1至8中任一项所述的系统，其中，所述方法还包括：输出期望对所述至少一个作物现场的干预的警报，以及在使所述至少一个可控装置改变所述至少一个生产环境状况之前，响应于所述警报而接收用户确认。


10.根据权利要求1至9中任一项所述的系统，其中，所述方法还包括生成干预安排，以允许手动评估是否期望对所述至少一个作物现场的干预。


11.根据权利要求1至10中任一项所述的系统，其中，所述方法还包括生成至少一个性能评估报告，以允许在所述监视阶段内手动评估所述至少一个作物现场的作物现场性能。


12.根据权利要求1至11中任一项所述的系统，其中，确定所述至少一个变量的所述预测值指示要启动对所述至少一个作物现场的干预包括：基于至少一个输出参数对优化植物生产率的所述至少一个变量的一个或更多个值进行评估。


13.根据权利要求12所述的系统，其中，所述至少一个输出参数包括从以下组中选择的所述输出参数中的一个或更多个：作物产量、获利能力、水的使用、能源的使用、肥料的淋滤和温室气体排放。


14.根据权利要求12所述的系统，其中，所述至少一个输出参数包括多个输出参数，其中，所述方法还包括对所述多个输出参数进行优先级排序，并且其中，对优化植物生产率的所述至少一个变量的一个或更多个值的评估基于已经进行过优先级排序的所述多个输出参数。


15.根据权利要求1至14中任一项所述的系统，其中，所述方法还包括：使所述现场数据标准化，其中，所述标准化包括：在空间维度和时间维度中的至少一个中对所述现场数据进行对准，并且其中，所述至少一个变量的所述预测值包括空间分量和时间分量中的至少一个。


16.根据权利要求1至15中任一项所述的系统，其中，从所述现场数据中导出的所述至少一个生成特征包括根据与所述现场数据相关联的至少一个时间序列的分解计算出的多个元素。


17.根据权利要求1至16中任一项所述的系统，其中，使所述至少一个可控装置改变所述至少一个生产环境状况包括：在所述至少一个作物现场中启动在从以下组中选择的以下元素中的至少一个的变化：水、能源、氮、其他元素、化学输入。


18.一种计算装置，其包括至少一个装置处理器和至少一个装置存储器，所述至少一个装置处理器用于启动由权利要求1至17中任一项所述的系统的所述至少一个处理器监视和调节植物生产率的所述方法的执行，其中，在经由至少一个网络连接通信耦接至所述计算装置的一个或更多个联网装置上执行所述方法的一个或更多个动作。


19.一种监视和调节植物生产率的方法，包括：
从多个监视传感器接收现场数据，所述现场数据与在监视阶段内感测到的至少一个作物现场的状况相关联；
由执行机器学习算法的至少一个处理器计算与所述至少一个作物现场的至少一个生产...

【专利技术属性】
技术研发人员：乔斯林·布德罗，文森特·佩尔蒂埃，扬·佩里亚尔拉里韦，罗克·沙博，
申请(专利权)人：霍陶有限公司，
类型：发明
国别省市：加拿大;CA