CN116234430A - 基于土壤、作物、田地和天气相关数据做出的实时施肥和/或作物保护决策,其中土壤相关数据由土壤传感器获得 - Google Patents
基于土壤、作物、田地和天气相关数据做出的实时施肥和/或作物保护决策,其中土壤相关数据由土壤传感器获得 Download PDFInfo
- Publication number
- CN116234430A CN116234430A CN202180065120.8A CN202180065120A CN116234430A CN 116234430 A CN116234430 A CN 116234430A CN 202180065120 A CN202180065120 A CN 202180065120A CN 116234430 A CN116234430 A CN 116234430A
- Authority
- CN
- China
- Prior art keywords
- related data
- soil
- crop
- content
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/02—Methods for working soil combined with other agricultural processing, e.g. fertilising, planting
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Insects & Arthropods (AREA)
- Pest Control & Pesticides (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Fertilizing (AREA)
- Catching Or Destruction (AREA)
Abstract
一种用于控制农田中的农业处理设备(200)的计算机实现的方法,该方法包括以下步骤:(a)由计算单元(120)接收与子田地区域(G1)相关的土壤相关数据,其中土壤相关数据通过使用土壤传感器(110)的实时测量获得,以及其中(G1)位于农田内,(b)由计算单元(120)从数据库(130)和/或从实时测量接收与子田地区域(G1)相关的作物相关数据、田地相关数据和天气相关数据,(c)经由计算单元(120)基于土壤相关数据、作物相关数据、田地相关数据和可选的天气相关数据确定指示与子田地区域(G1)相关的作物保护需求和/或作物营养需求的至少一个指标,(d)经由计算单元(120)动态生成取决于所确定的至少一个指标的输出信号(140),其中输出信号(140)在农业处理设备(200)的实时操作期间生成并且可用于控制子田地区域(G1)处的农业处理设备(200)。
Description
技术领域
本发明涉及一种用于控制农田中的农业处理设备的计算机实现的方法以及用于农田处理的农业处理设备。
背景技术
本发明的一般背景是农田的处理。该处理包括播种-即散播要栽培的作物的种子、要栽培的实际作物的处理、农田中杂草的处理、农田中昆虫或其它动物害虫的处理、农田中病原体的处理,农田的灌溉和施肥。
农业机械或自动处理设备(如智能喷雾器)基于生态和经济规则处理农田中的杂草、昆虫和/或病原体。
现代农业机械配备了越来越多的传感器,测量或确定与农田处理相关的不同参数。在这方面的重要参数是土壤条件和其它土壤相关的参数。例如以水分和养分含量表征的土壤条件是植物生长和健康的关键,并且对处理参数(例如处理类型和肥料剂量)具有至关重要的影响。在现有技术中,土壤条件要么经由有限数量的点测量来测量,其中数据收集和分析既费时又昂贵,或者土壤条件经由基于物理模型(例如基于遥感信息)的估计来确定。这两种方法都缺乏数字农业应用所需的准确性。现有技术解决方案中的其它方法不执行实时决策,因此需要非常耗时的多次实地考察。
发明内容
拥有一种用于处理农田的改进方法将是有利的,该方法提供土壤条件和/或其它土壤相关参数的高质量实时测量和确定,同时提供关于农田处理的实时决策和/或执行。此外,拥有允许对农田进行精确的、区域特定的和土壤参数相关的处理的改进方法将是有利的。此外,拥有允许精确的、区域特定的和土壤参数相关的经济高效的方法而无需将传感器拖过土壤将是有利的。
本发明的目的通过独立权利要求的主题来解决,其中进一步的实施例并入从属权利要求中。应当注意,本发明的以下描述的方面和示例适用于方法以及处理设备。
鉴于本发明的上述目的,本发明涉及一种用于处理农田的计算机实现的方法,该方法包括以下步骤:
(a)由计算单元(120)接收与子田地区域(G1)相关的土壤相关数据,其中,土壤相关数据通过使用土壤传感器(110)的实时测量获得,以及其中,(G1)位于农田内,
(b)由计算单元(120)从数据库(130)和/或从实时测量接收与子田地区域(G1)相关的作物相关数据、田地相关数据,以及可选的天气相关数据,
(c)经由计算单元(120)基于土壤相关数据、作物相关数据、田地相关数据以及可选的天气相关数据,确定指示与子田地区域(G1)相关的作物保护需求和/或作物营养需求的至少一个指标,
(d)经由计算单元(120)动态生成取决于所确定的至少一个指标的输出信号(140),其中,输出信号(140)在农业处理设备(200)的实时操作期间生成并且可用于控制子田地区域(G1)处的农业处理设备(200)。
鉴于本发明的上述目的,本发明还涉及一种用于农田处理的计算机实现的方法,该方法包括以下步骤:
(a)由计算单元(120)接收与子田地区域(G1)相关的土壤相关数据,其中,土壤相关数据通过使用土壤传感器(110)的实时测量获得,以及其中,(G1)位于农田内,
(b)由计算单元(120)从数据库(130)和/或从实时测量接收与子田地区域(G1)相关的作物相关数据、田地相关数据以及天气相关数据,
(c)经由计算单元(120)基于土壤相关数据、作物相关数据、田地相关数据和天气相关数据确定指示与子田地区域(G1)相关的作物保护需求和/或作物营养需求的至少一个指标,
(d)经由计算单元(120)动态生成取决于所确定的至少一个指标的输出信号(140),其中,输出信号(140)在农业处理设备(200)的实时操作期间生成并且可用于控制子田地区域(G1)处的农业处理设备(200)。
鉴于本发明的上述目的,本发明还涉及一种农业处理设备(200),其包括:
-至少一个土壤传感器(110),其可操作地耦合或机械地附接到农业处理设备(200)并且被配置为通过实时测量获得与子田地区域(G1)相关的土壤相关数据,
-至少一个计算单元(120),其被配置为接收从数据库(130)和/或从实时测量获得的与子田地区域(G1)相关的土壤相关数据、作物相关数据、田地相关数据和可选的天气相关数据,
其中,计算单元(120)进一步被配置为基于土壤相关数据、作物相关数据、田地相关数据和可选的天气相关数据来确定指示与子田地区域(G1)相关的作物保护需求和/或作物营养需求的至少一个指标,以及
其中,计算单元(120)进一步被配置为动态生成取决于所确定的至少一个指标的输出信号(140),其中,输出信号(140)在农业处理设备(200)的实时操作期间生成并且可用于控制子田地区域(G1)处的农业处理设备(200)。
鉴于本发明的上述目的,本发明还涉及一种农业处理设备(200),其包括:
-至少一个土壤传感器(110),其可操作地耦合或机械地附接到农业处理设备(200)并且被配置为通过实时测量获得与子田地区域(G1)相关的土壤相关数据,
-至少一个计算单元(120),其被配置为接收从数据库(130)和/或从实时测量获得的与子田地(G1)相关的土壤相关数据、作物相关数据、田地相关数据以及天气相关数据,
其中,计算单元(120)进一步被配置为基于土壤相关数据、作物相关数据、田地相关数据以及天气相关数据来确定指示与子田地区域(G1)相关的作物保护需求和/或作物营养需求的至少一个指标,以及
其中,计算单元(120)进一步被配置为动态生成取决于所确定的至少一个指标的输出信号(140),其中,输出信号(140)在农业处理设备(200)的实时操作期间生成并且可用于控制子田地区域(G1)处的农业处理设备(200)。
如在此使用的术语“处理”或“农田的处理”优选包括:
-经由特别是采用除草剂来消灭未栽培并且可能对作物有害的杂草,经由特别是采用杀虫剂、杀线虫剂、杀螨剂、杀软体动物剂和/或杀鼠剂来控制或杀死作物和/或杂草上的昆虫或动物害虫,并且经由特别是采用杀真菌剂来控制或消灭作物上的任何病原体和/或植物病害,保护在农田上栽培或待栽培的作物或植物,和/或
-特别是采用植物生长调节剂调节农田上作物或植物的生长,和/或
-播种,即在农田上散播或种植将要在农田上栽培的作物或植物的种子或幼苗,和/或
-向在农田上栽培或待栽培的作物或植物提供肥料或养分,和/或
-农田的灌溉。
如在此所使用或也称为控制技术的术语“农业处理设备”或“处理设备”可包括化学控制技术,或种子控制技术,或灌溉控制技术。化学控制技术优选包括用于处理产品(特别是作物保护产品,如杀虫剂和/或除草剂和/或杀真菌剂)施用的至少一种部件。这种部件可包括处理装置(270),其包括布置在农业机械、无人机或机器人上的一个或更多个喷枪或喷嘴,以便用于在农田中机动。种子控制技术优选包括用于种子施用的至少一种部件,包括用于撒种、拨播、犁后撒种、打钻、穴播、方形穴播、移栽的设备。例如,种子控制技术可包括常规的播种机,其中例如通过特定的圆形板从料斗中拾取种子并在柄中释放以通过重力将种子输送到犁沟的底部。
术语“效率”涉及施用的处理产品的量与有效处理农田上的作物或植物所需的处理产品的量之间的平衡。处理的效率取决于诸如天气和土壤的环境因素。
术语“功效”涉及处理产品的积极和消极影响的平衡。换句话说,功效涉及有效处理农田上的特定作物或植物所需的处理产品的最优剂量。剂量不应太高以至于浪费处理产品,这也会增加成本和对环境的负面影响,但也不能太低以至于处理产品不能得到有效处理,这可导致作物或植物对处理产品免疫。处理产品的功效还取决于环境因素,诸如天气和土壤。
如在此所使用的术语“作物保护产品”是指用于处理农田的产品,诸如水(用于灌溉)、除草剂、杀虫剂、杀真菌剂、植物生长调节剂、营养产品和/或其混合物。处理产品可包含不同的组分——包括不同的活性成分——诸如不同的除草剂、不同的杀菌剂、不同的杀虫剂、不同的营养产品、不同的养分,以及其它组分,诸如安全剂(特别是与除草剂结合使用)、助剂、肥料、助配方剂、稳定剂和/或其混合物。因此,术语“处理产品组合物”涉及处理产品中包含的不同活性成分,处理产品组合物特别是包括一种或两种或更多种处理产品的组合物。因此,存在分别基于不同的活性成分的不同类型的例如除草剂、杀虫剂和/或杀真菌剂。由于待处理产品保护的植物优选为作物,因此处理产品可称为作物保护产品。处理产品组合物还可以包括混合到处理产品中的附加物质,类似例如特别是用于稀释和/或稀化处理产品的水,和/或特别是用于增强处理产品的功效的营养液。优选地,营养液是含氮溶液,例如液态尿素硝酸铵(UAN)。
如在此所使用的术语“杀虫剂”还包括杀线虫剂、杀螨剂、杀软体动物剂和杀鼠剂。
如在此所使用的术语“营养产品”是指有益于植物营养和/或植物健康的任何产品,包括但不限于肥料、宏量营养素和微量营养素。
如在此所使用的“植物保护需求”是指对“植物保护产品”的任何需求。
如在此所使用的术语“作物营养需求”是指对“营养产品”的任何需求。
子田地区域是农田的任何部分区域。例如,子田地区域具有200m×200m、100m×100m、50m×50m、30m×30m、20m×20m、10m×10m、5m×5m、3m×3m或1m×1m的大小。
优选实施例
根据本发明的优选实施例,步骤(b)中的实时测量可以是经由遥感、卫星图像、无人机图像等的实时测量。
根据本发明的优选实施例,土壤相关数据包括:
-生物信息,诸如关于土壤微生物活动的信息,和/或
-物理信息,诸如关于土壤质地、土壤电导率、土壤湿度、土壤密度和/或土壤温度的信息,和/或
-化学信息,诸如关于土壤养分含量、土壤腐殖质含量、土壤碳酸盐含量、土壤化学成分、土壤盐度和/或土壤pH值的信息。
根据本发明的优选实施例,土壤相关数据为以下数据中的至少一种类型:土壤的干物质、总碳含量、有机碳含量、硼含量、磷含量、钾含量、氮含量、硫含量、钙含量、铁含量、铝含量、氯含量、钼含量、镁含量、镍含量、铜含量、锌含量和/或锰含量,和/或pH值。
根据本发明的优选实施例,土壤相关数据为以下数据中的至少一种类型:磷含量、钾含量、氮含量、硫含量、钙含量。
根据本发明的优选实施例,土壤相关数据包括关于土壤湿度的信息。
根据本发明的优选实施例,土壤相关数据为N总值(也称为Ntotal值)和/或至少一个指标为N最小值(也称为Nmin值)。
根据本发明的优选实施例,作物相关数据为以下数据中的至少一种类型:已种植或待种植作物或种子的种类、已种植或待种植作物或种子的产量潜力、已种植或待种植作物或种子的遗传信息、已种植或待种植作物或种子的蛋白质含量、已种植或待种植作物或种子的含油量和/或已种植或待种植作物或种子的营养含量。
根据本发明的优选实施例,田地相关数据为以下数据中的至少一种类型:与农田或子田地区域(G1)相关的历史产量潜力,关于过去在农田上或子田地区域上作物保护或作物营养产品的施用的数据,关于土壤季前处理(例如关于耕作或犁地)的数据,关于子田地区域的栽培类型的数据。
根据本发明的优选实施例,天气相关数据(可选)为以下数据中的至少一种类型:温度数据、湿度数据、风速数据、降水数据。
根据本发明的优选实施例,天气相关数据(可选)是土壤传感器未获得的土壤水分数据,例如通过卫星图像或遥感获得的土壤水分数据。
根据本发明的优选实施例,输出信号(140)由计算单元进一步处理以控制农业处理设备(200),使得其向子田地区域(G1)施用特定量的作物保护产品,以及其中,作物保护产品优选是肥料、除草剂、杀真菌剂、杀虫剂、杀线虫剂、杀螨剂、杀软体动物剂、杀鼠剂、杀生物剂、安全剂、植物健康调节剂(PGR)、硝化抑制剂,反硝化抑制剂、脲酶抑制剂或其组合。
根据本发明的优选实施例,输出信号(140)由计算单元进一步处理以控制农业处理设备(200),使得其向子田地区域(G1)施用特定量的肥料。
根据本发明的优选实施例,农业处理设备(200)是作物保护产品施用设备、肥料施用设备、播种设备、种植设备、耕种设备、用于犁沟应用的精确施用机器,更优选地是肥料施用设备。
根据本发明的优选实施例,土壤传感器(110)是近红外传感器、伽马辐射传感器、电导率传感器、温度计、光学相机或以上的任何组合。
根据本发明的优选实施例,土壤传感器(110)是近红外传感器。
根据本发明的优选实施例,土壤传感器(110)例如以在土壤传感器(110)和农业处理设备(200)之间存在数据连接或通信可能性的方式可操作地耦合到农业处理设备(200)。
根据本发明的优选实施例,该方法包括以下附加步骤:
(b2)由计算单元(120)从数据库(130)和/或从实时测量接收与作物保护产品相关的法规相关数据,优选是包含作物保护产品最大允许剂量率的法规相关数据。
根据本发明的优选实施例,土壤传感器是机械地附接到农业处理设备(200)的近红外传感器,并且输出信号(140)由计算单元进一步处理以控制农业处理设备(200),使得其向子田地区域(G1)施用特定量的作物保护产品,以及其中作物保护产品优选是肥料、除草剂、杀真菌剂、杀虫剂、杀线虫剂、杀螨剂、杀软体动物剂、杀鼠剂、杀生物剂、安全剂、植物健康调节剂(PGR)、硝化抑制剂、反硝化抑制剂、脲酶抑制剂或其组合。
根据本发明的优选实施例,土壤传感器是机械地附接到农业处理设备(200)的近红外传感器,并且输出信号(140)由计算单元进一步处理以农业处理设备(200)向子田地区域(G1)施用特定量的肥料的方式控制农业处理设备(200)。
根据本发明的优选实施例,土壤传感器是机械地附接到农业处理设备(200)的近红外传感器,并且输出信号(140)由计算单元进一步处理以农业处理设备(200)向子田地区域(G1)施用特定量的肥料的方式控制农业处理设备(200),以及土壤相关数据是N总值和/或至少一个指标是N最小值。
根据本发明的优选实施例,土壤传感器是机械地附接到农业处理设备(200)的近红外传感器,并且输出信号(140)由计算单元进一步处理以农业处理设备(200)向子田地区域(G1)施用特定量的肥料的方式控制农业处理设备(200),并且土壤相关数据为N总值,并且至少一个指标为N最小值。
根据本发明的优选实施例(实施例3),在土壤传感器(110)与土壤之间的物理距离小于100cm,更优选小于60cm,最优选小于30cm,特别优选小于10cm,特别更优选小于3cm,特别最优选小于1cm,特别小于5mm,例如在获得农田的土壤相关数据时小于1mm。
根据本发明的优选实施例,土壤传感器为非光学光谱仪、光学光谱仪、红外光谱仪、近红外传感器、电导率传感器、磁化率(EM)传感器、γ-射线传感器,或包含光学传感器的光电导层。根据本发明的另一优选实施例,土壤传感器为红外光谱仪,或包含光电导层的光学传感器。根据本发明的另一优选实施例,土壤传感器为包含光电导层的光学传感器。
包含光电导层的光学传感器优选为专利申请WO2018/019921中描述的传感器。包含光电导层的光学传感器更优选地是光学传感器,其包括至少一种光电导材料层、接触光电导材料层的至少两个单独电触点,以及沉积在光电导材料上的覆盖层,其中覆盖层是包含至少一种含金属化合物的非晶层。包含光电导层的光学传感器最优选是光学传感器,其包括至少一种光电导材料层、接触光电导材料层的至少两个单独电触点,以及沉积在光电导材料上的覆盖层,其中覆盖层是包含至少一种含金属化合物的非晶层,其中至少一种含金属化合物包括选自由Al、Ti、Ta、Mn、Mo、Zr、Hf和W组成的组的金属。包含光电导层的光学传感器甚至更优选为光学传感器,其包括至少一种光电导材料层、接触光电导材料层的至少两个单独电触点,以及沉积在光电导材料上的覆盖层,其中覆盖层是包括至少一种含金属化合物的非晶层,其中光电导材料包括至少一种硫属化物,其中硫属化物选自由如下组成的组:硫化铅(PbS)、硫化铜铟(CIS)、硒化铜铟镓(CIGS)、硫化铜锌锡(CZTS)、铅硒化物(PbSe)、硒化铜锌锡(CZTSe)、碲化镉(CdTe)、碲镉汞(HgCdTe)、碲锌汞(HgZnTe)、硒化铅(PbSSe)、铜锌锡硫硒化物(CZTSSe),及其固溶体和/或其掺杂变体。包含光电导层的光学传感器优选地具有紧凑的设计、高波长分辨率(例如低于50nm,例如优选地低于30nm,例如优选地低于20nm),并且其操作的波长范围优选地在1μm和3μm之间,更优选地在1.2μm和2.6μm之间。
根据本发明的优选实施例,计算单元(120)可以
-机械地附接到土壤传感器(110),或
-机械地附接到农业处理设备(200),或
-机械地附接到土壤传感器(110)和农业处理设备(200),
-位于通信地耦合到土壤传感器(110)的另一个计算资源上,或
-位于通信地耦合到农业处理设备(200)的另一个计算资源上,或
-位于通信地耦合到土壤传感器(110)和农业处理设备(200)的另一个计算资源上。
以下参考标记列表用于本申请。
参考标记列表
110 土壤传感器
120 计算单元
130 数据库
140 输出信号
200 农业处理设备
270 处理装置
G1 子田地区域
附图说明
本发明的上述和其它方面将从以下描述中通过示例描述的实施例并参考附图变得明显和进一步阐明,在附图中
图1在包括机械地附接的土壤传感器(110)和机械地附接的处理装置(270)的农业处理设备(200)的示例上示出本发明的方法。
图2示出显示本发明的方法的操作的流程图。
图3示出适合于实现如前所述的各种实施例的示例性计算架构700的实施例。
图4是描绘适合于实现如前所述的各种实施例的示例性通信架构800的框图。
应当注意,附图纯粹是示意性的并且没有按比例绘制。在附图中,与已经描述的元件对应的元件可以具有相同的参考标记。示例、实施例或可选特征,无论是否指示为非限制性的,均不应理解为限制要求保护的本发明。
具体实施方式
图1在农业处理设备(200)的示例上示出本发明的方法,该农业处理设备包括
-机械地附接到农业处理设备(200)的土壤传感器(110),
-机械地附接到农业处理设备(200)的处理装置(270)。
可以机械地附接到土壤传感器(110)和/或农业处理设备(200)或者位于通信地耦合到土壤传感器(110)和/或农业处理设备(200)的另一计算资源上的计算单元(120)从土壤传感器(110)接收与子田地区域(G1)相关的实时土壤相关数据,例如土壤的氮含量,以及从数据库(130)接收与子田地区域(G1)相关的另外数据(作物相关数据、田地相关数据和可选的天气相关数据)。基于接收的数据(土壤相关数据、作物相关数据、田地相关数据和可选的天气相关数据),计算单元(120)首先确定指示与子田地区域(G1)相关的作物保护需求和/或作物营养需求的一个指标。然后,计算单元(120)取决于所确定的至少一个指标动态地生成输出信号(140),其中输出信号(140)在农业处理设备(200)的实时操作期间生成并且可用于控制子田地区域(G1)处的农业处理设备(200),特别是其处理装置(270)。
图2示显示出本发明的方法的操作的流程图。在步骤(S10)中,计算单元(120)接收与子田地区域(G1)相关的土壤相关数据,其中土壤相关数据通过使用土壤传感器(110)的实时测量获得,并且其中(G1)位于农田内。在步骤(S20)中,计算单元(120)从数据库(130)和/或从实时测量接收与子田地区域(G1)相关的作物相关数据、田地相关数据以及可选的天气相关数据。在步骤(S30)中,计算单元(120)基于土壤相关数据、作物相关数据、田地相关数据和可选的天气相关数据确定指示与子田地区域(G1)相关的作物保护需求和/或作物营养需求的至少一个指标。在步骤(S40)中,计算单元(120)动态生成取决于所确定的至少一个指标的输出信号(140),其中输出信号(140)在农业处理设备(200)的实时操作期间生成并且可用于控制子田地区域(G1)处的农业处理设备(200)。
上述方法可以体现为计算机可读介质上的指令或体现为计算架构的一部分,特别是如图3中所示的计算架构700的一部分。土壤传感器(110)、计算单元(120)、数据库(130)、农业处理设备(200)或处理装置(270)可以体现为计算架构的一部分,特别是如图3中所示的计算架构700的一部分。
图3示出适合于实现如前所述的各种实施例的示例性计算架构700的实施例。在一个实施例中,计算架构700可以包括或实现为诸如计算机701的电子设备的一部分。实施例不限于该上下文。
如本申请中所使用的,术语“系统”和“组件”旨在指计算机相关实体,可以是硬件、硬件和软件的组合、软件或执行中的软件,其示例由示例性计算架构700提供。例如,组件可以是但不限于在处理器上运行的进程、处理器、硬盘驱动器、多个存储驱动器(光学和/或磁存储介质)、对象、可执行文件、执行线程、程序和/或计算机。作为说明,在服务器上运行的应用程序和服务器二者可以是组件。一个或更多个组件可以驻留在进程和/或执行线程内,并且组件可以位于一台计算机上和/或分布在两台或多台计算机之间。此外,组件可以通过各种类型的通信介质彼此通信耦合以协调操作。协调可涉及单向或双向信息交换。例如,组件可以以通过通信介质传送的信号的形式传送信息。该信息可以实现为分配给各种信号线的信号。在这种分配中,每条消息都是信号。然而,进一步的实施例可以可替代地利用数据消息。这种数据消息可以跨越各种连接发送。示例性连接包括并行接口、串行接口和总线接口。
计算架构700包括各种常见的计算元件,诸如一个或更多个处理器、多核处理器、协处理器、存储单元、芯片组、控制器、外围设备、接口、振荡器、定时设备、视频卡、声卡、多媒体输入/输出(I/O)组件、电源等。然而,实施例不限于计算架构700的实现方式。
如图3中所示,计算架构700包括计算机处理单元702、系统存储器704和系统总线706。计算机处理单元702可以是各种市售处理器中的任何一种,包括但不限于和处理器;应用程序、嵌入式和安全处理器;和和处理器;IBM和Cell处理器;Core(2)和处理器;和类似的处理器。双微处理器、多核处理器和其它多处理器架构也可以体现为计算机处理单元702。
系统总线706为包括但不限于系统存储器704的系统组件提供到计算机处理单元702的接口。系统总线706可以是可以进一步互连到存储器总线(带或不带存储器控制器)、外围总线和使用各种商业可用总线架构中的任何一种的本地总线的任何若干类型的总线结构。接口适配器可以经由插槽架构连接到系统总线706。示例插槽架构可以包括但不限于加速图形端口(AGP)、卡总线、(扩展)行业标准架构((E)ISA)、微通道架构(MCA)、NuBus、外围组件互连(扩展)(PCI(X))、PCI Express、个人计算机存储卡国际协会(PCMCIA)等。
计算架构700可以包括或实现各种制品。制品可以包括用于存储逻辑的计算机可读存储介质。计算机可读存储介质的示例可以包括能够存储电子数据的任何有形介质,包括易失性存储器或非易失性存储器、可移动或不可移动存储器、可擦除或不可擦除存储器、可写或可重写存储器等等。逻辑的示例可以包括使用诸如源代码、编译代码、解释代码、可执行代码、静态代码、动态代码、面向对象代码、可视代码等的任何合适类型的代码实现的可执行计算机程序指令。实施例也可以至少部分地体现为包含在非暂态计算机可读介质中或非暂态计算机可读介质上的指令,其可以由一个或更多个处理器读取和执行以实现在此描述的操作的执行。
系统存储器704可以包括以一个或更多个高速存储器单元的形式的各种类型的计算机可读存储介质,诸如只读存储器(ROM)、随机存取存储器(RAM)、动态RAM(DRAM)、双数据速率DRAM(DDRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、聚合物存储器(诸如铁电聚合物存储器)、ovonic存储器、相变或铁电存储器、硅-氧化物-氮化物-氧化物-硅(SONOS)存储器、磁卡或光卡、诸如独立磁盘冗余阵列(RAID)驱动器的设备阵列、固态存储设备(例如,USB存储器、固态驱动器(SSD)和适合存储信息的任何其它类型的存储介质。在图3中示出的所示实施例中,系统存储器704可以包括非易失性存储器708和/或易失性存储器710。基本输入/输出系统(BIOS)可以存储在非易失性存储器708中。
计算架构700可以包括以一个或更多个低速存储单元形式的各种类型的计算机可读存储介质,包括内部(或外部)硬盘驱动器(HDD)712、从可移动磁盘716读取或写入可移动磁盘716的磁性软盘驱动器(FDD)714,以及从可移动光盘720(例如,CD-ROM或DVD)读取或写入可移动光盘720的光盘驱动器718。HDD 712、FDD 714和光盘720可以分别通过HDD接口722、FDD接口724和光驱接口726连接到系统总线706。用于外部驱动器实现方式的HDD接口722可以包括通用串行总线(USB)和IEEE 694接口技术中的至少一种或两种。
驱动器和相关联的计算机可读介质提供数据、数据结构、计算机可执行指令等的易失性和/或非易失性存储。例如,多个程序模块可以存储在驱动器和存储器单元708、712中,包括操作系统728、一个或更多个应用程序730、其它程序模块732和程序数据734。在一个实施例中,一个或更多个应用程序730、其它程序模块732和程序数据734可以包括例如土壤传感器(110)、计算单元(120)、数据库(130)、农业处理设备(200)或处理装置(270)的各种应用和/或组件。
用户可以通过一个或更多个有线/无线输入设备,例如键盘736和诸如鼠标738的指向设备,将命令和信息输入到计算机701中。其它输入设备可以包括麦克风、红外线(IR)遥控器、射频(RF)遥控器、游戏手柄、手写式笔、读卡器、加密狗、指纹读取器、手套、绘图板、操纵杆、键盘、视网膜读取器、触摸屏(例如,电容式、电阻式等)、轨迹球、触控板、传感器、手写笔等。这些和其它输入设备通常通过耦合到系统总线706的输入设备接口740连接到计算机处理单元702,但可以通过其它接口连接,诸如并行端口、IEEE 694串行端口、游戏端口、USB接口、IR接口等。
监视器742或其它类型的显示设备也经由诸如视频适配器的接口连接到系统总线706。监视器742可以在计算机701的内部或外部。除了监视器742之外,计算机通常包括其它外围输出设备,诸如扬声器、打印机等。
计算机701可以在网络环境中使用经由连接到一个或更多个远程计算机(诸如远程计算机744)的有线和/或无线通信的逻辑连接来操作。远程计算机744可以是工作站、服务器计算机、路由器、个人计算机、便携式计算机、基于微处理器的娱乐设备、对等设备或其它公共网络节点,并且通常包括许多或所有关于计算机701描述的元件,但是为了简洁起见,仅示出存储器/存储设备746。所描述的逻辑连接包括到局域网(LAN)748和/或更大网络(例如广域网(WAN)750)的有线/无线连接。这种LAN和WAN联网环境在办公室和公司中很常见,并且促进诸如内部网的企业范围的计算机网络,所有这些网络都可以连接到例如互联网的全球通信网络。
当在LAN联网环境中使用时,计算机701通过有线和/或无线通信网络接口或适配器752连接到LAN 748。适配器752可以促进与LAN 748的有线和/或无线通信,这也可以包括设置在其上的无线接入点以用于与适配器752的无线功能通信。
当在WAN网络环境中使用时,计算机701可以包括调制解调器754,或者连接到WAN750上的通信服务器,或者具有用于通过WAN 750(诸如通过互联网)建立通信的其它部件。可以是内部或外部的有线和/或无线设备的调制解调器754经由输入设备接口740连接到系统总线706。在网络环境中,相对于计算机701或其部分描述的程序模块可以存储在远程存储器/存储设备746中。应当理解,所示的网络连接是示例性的并且可以使用在计算机之间建立通信链路的其它部件。
计算机701可操作与使用IEEE 802系列标准与有线和无线设备或实体通信,诸如可操作地设置在无线通信中的无线设备(例如,IEEE 802.13空中调制技术)。这至少包括Wi-Fi(或无线保真)、WiMax和BluetoothTM无线技术等。因此,该通信可以是与传统网络一样的预定义结构或简单地是至少两个设备之间的自组织通信。Wi-Fi网络使用称为IEEE802.13x(a、b、g、n等)的无线电技术来提供安全、可靠、快速的无线连接。Wi-Fi网络可用于将计算机彼此连接、连接到互联网以及连接到有线网络(使用IEEE 802.3相关介质和功能)。
图4是描绘适合于实现如前所述的各种实施例的示例性通信架构800的框图。通信架构800包括各种常见的通信元件,诸如发射机、接收机、收发机、无线电、网络接口、基带处理器、天线、放大器、滤波器、电源等等。然而,实施例不限于由通信架构800实现。
如图4中所示,通信架构800包括一个或更多个客户端802和服务器804。客户端802和服务器804可操作地连接到一个或更多个相应的客户端数据存储库806和服务器数据存储库808,该数据存储库可用于在相应的客户端802和服务器804本地存储信息,诸如cookie和/或相关联的上下文信息。
客户端802和服务器804可以使用通信框架810在彼此之间传递信息。通信框架810可以实现任何众所周知的通信技术和协议。通信框架810可以实现为分组交换网络(例如,诸如互联网的公共网络、诸如企业内部网等的专用网络等)、电路交换网络(例如,公共交换电话网络),或分组交换网络和电路交换网络(具有合适的网关和转换器)的组合。
通信框架810可以实现各种网络接口,该网络接口被布置成接受、通信和连接到通信网络。网络接口可以看作是输入输出接口的一种特殊形式。网络接口可以采用连接协议,包括但不限于直接连接、以太网(例如,粗、细、双绞线10/100/1000Base T等)、令牌环、无线网络接口、蜂窝网络接口、IEEE 802.8ax网络接口、IEEE 802.16网络接口、IEEE 802.20网络接口等。此外,多个网络接口可用于参与各种通信网络类型。例如,可以采用多个网络接口以允许通过广播、多播和单播网络进行通信。如果处理要求要求更大的速度和容量,分布式网络控制器架构可以类似地用于池化、负载平衡,以及以其它方式增加客户端802和服务器804所需的通信带宽。通信网络可以是有线和/或无线网络的任何一个及其组合,包括但不限于直接互连、安全自定义连接、专用网络(例如,企业内部网)、公共网络(例如,互联网)、个域网(PAN)、局域网(LAN)、城域网(MAN)、互联网节点操作任务(OMNI)、广域网(WAN)、无线网络、蜂窝网络和其它通信网络。
上述设备的组件和特征可以使用分立电路、专用集成电路(ASIC)、逻辑门和/或单芯片架构的任何组合来实现。此外,设备的特征可以使用微控制器、可编程逻辑阵列和/或微处理器或前述的任何适当组合来实现。应注意,硬件、固件和/或软件元素在此可共同或单独称为“逻辑”或“电路”。
应当理解,上述框图中所示的示例性设备可以代表许多潜在实现方式的一个功能描述示例。因此,附图中描绘的框功能的划分、省略或包含并不意味着用于实现这些功能的硬件组件、电路、软件和/或元件将必然在实施例中被划分、省略或包含。
至少一个计算机可读存储介质可以包括在被执行时使系统执行在此描述的任何方法或计算机实现的方法的指令。
Claims (19)
1.一种用于控制农田中的农业处理设备(200)的计算机实现的方法,所述方法包括以下步骤:
(a)由计算单元(120)接收与子田地区域(G1)相关的土壤相关数据,其中,所述土壤相关数据通过使用土壤传感器(110)的实时测量获得,以及其中,(G1)位于所述农田内,
(b)由所述计算单元(120)从数据库(130)和/或从实时测量接收与所述子田地区域(G1)相关的作物相关数据、田地相关数据,以及可选的天气相关数据,
(c)经由计算单元(120)基于所述土壤相关数据、作物相关数据、田地相关数据以及可选的天气相关数据,确定指示与所述子田地区域(G1)相关的作物保护需求和/或作物营养需求的至少一个指标,
(d)经由所述计算单元(120)动态生成取决于所确定的至少一个指标的输出信号(140),其中,所述输出信号(140)在所述农业处理设备(200)的实时操作期间生成并且可用于控制所述子田地区域(G1)处的所述农业处理设备(200)。
2.根据权利要求1所述的方法,其中,所述土壤相关数据指示所述土壤的生物学、生物化学、化学和/或物理特性。
3.根据权利要求1所述的方法,其中,所述土壤相关数据为以下数据中的至少一种类型:土壤的干物质、总碳含量、有机碳含量、硼含量、磷含量、钾含量、氮含量、硫含量、钙含量、铁含量、铝含量、氯含量、钼含量、镁含量、镍含量、铜含量、锌含量和/或锰含量,和/或pH值。
4.根据权利要求1所述的方法,其中,所述土壤相关数据是N总值和/或所述至少一个指标是N最小值。
5.根据上述权利要求中任一项所述的方法,其中,所述作物相关数据为以下数据中的至少一种类型:已种植或待种植作物或种子的种类、所述已种植或待种植作物或种子的产量潜力、所述已种植或待种植作物或种子的遗传信息、所述已种植或待种植作物或种子的蛋白质含量、所述已种植或待种植作物或种子的含油量和/或所述已种植或待种植作物或种子的养分含量。
6.根据上述权利要求中任一项所述的方法,其中,所述田地相关数据是以下数据中的至少一种类型:与所述农田或所述子田地区域(G1)相关的历史产量潜力,关于过去在所述农田上或所述子田地区域上作物保护或作物营养产品的施用的数据,关于所述土壤季前处理的数据,关于所述子田地区域的栽培类型的数据。
7.根据上述权利要求中任一项所述的方法,其中,所述天气相关数据为以下数据中的至少一种类型:温度数据、湿度数据、风速数据、降水数据。
8.根据上述权利要求中任一项所述的方法,其中,所述输出信号(140)由所述计算单元进一步处理以所述农业处理设备(200)向所述子田地区域(G1)施用特定量的作物保护产品的方式控制所述农业处理设备(200),以及其中,所述作物保护产品优选是肥料、除草剂、杀真菌剂、杀虫剂、杀线虫剂、杀螨剂、杀软体动物剂、杀鼠剂、杀生物剂、安全剂、植物健康调节剂(PGR)、硝化抑制剂,反硝化抑制剂、脲酶抑制剂或其组合。
9.根据上述权利要求中任一项所述的方法,其中,所述输出信号(140)由所述计算单元进一步处理以所述农业处理设备(200)向所述子田地区域(G1)施用特定量的肥料的方式控制所述农业处理设备(200)。
10.根据上述权利要求中任一项所述的方法,其中,所述农业处理设备(200)是作物保护产品施用设备、肥料施用设备、播种设备、种植设备、耕种设备、用于犁沟应用的精准施用机器。
11.根据上述权利要求中任一项所述的方法,其中,所述土壤传感器(110)是近红外传感器、伽马辐射传感器、电导率传感器、温度计、光学相机或以上的任何组合。
12.根据上述权利要求中任一项所述的方法,其中,所述土壤传感器(110)是近红外传感器。
13.根据上述权利要求中任一项所述的方法,其中,所述土壤传感器(110)可操作地耦合到所述农业处理设备(200)。
14.根据上述权利要求中任一项所述的方法,其中,所述土壤传感器(110)机械地附接到所述农业处理设备(200)。
15.根据权利要求8至14中任一项所述的方法,其中,所述方法包括以下附加步骤:
(b2)由所述计算单元(120)从数据库(130)和/或从实时测量接收与所述作物保护产品相关的法规相关数据,优选是包含所述作物保护产品最大允许剂量率的法规相关数据。
16.根据上述权利要求中任一项所述的方法,其中
-所述土壤传感器是机械地附接到所述农业处理设备(200)的近红外传感器,以及
-其中,所述输出信号(140)由所述计算单元进一步处理以所述农业处理设备(200)向所述子田地区域(G1)施用特定量的作物保护产品的方式控制所述农业处理设备(200),以及其中,所述作物保护产品优选是肥料、除草剂、杀真菌剂、杀虫剂、杀线虫剂、杀螨剂、杀软体动物剂、杀鼠剂、杀生物剂、安全剂、植物健康调节剂(PGR)、硝化抑制剂、反硝化抑制剂、脲酶抑制剂或其组合。
17.根据上述权利要求中任一项所述的方法,其中
-所述土壤传感器是机械地附接到所述农业处理设备(200)的近红外传感器,以及
-所述输出信号(140)由所述计算单元进一步处理以所述农业处理设备(200)向所述子田地区域(G1)施用特定量的肥料的方式控制所述农业处理设备(200)。
18.根据上述权利要求中任一项所述的方法,其中
-所述土壤传感器是机械地附接到所述农业处理设备(200)的近红外传感器,以及
-所述输出信号(140)由所述计算单元进一步处理以所述农业处理设备(200)向所述子田地区域(G1)施用特定量的肥料的方式控制所述农业处理设备(200),以及
-所述土壤相关数据是所述N总值和/或所述至少一个指标是所述N最小值。
19.一种农业处理设备(200),包括:
-至少一个土壤传感器(110),其可操作地耦合或机械地附接到所述农业处理设备(200)并且被配置为通过实时测量获得与子田地区域(G1)相关的土壤相关数据,
-至少一个计算单元(120),其被配置为接收从数据库(130)和/或从实时测量获得的与所述子田地区域(G1)相关的土壤相关数据、作物相关数据、田地相关数据和可选的天气相关数据,
其中,所述计算单元(120)进一步被配置为基于所述土壤相关数据、作物相关数据、田地相关数据和可选的天气相关数据来确定指示与所述子田地区域(G1)相关的作物保护需求和/或作物营养需求的至少一个指标,以及
其中,所述计算单元(120)进一步被配置为动态生成取决于所确定的至少一个指标的输出信号(140),其中,所述输出信号(140)在所述农业处理设备(200)的实时操作期间生成并且可用于控制所述子田地区域(G1)处的所述农业处理设备(200)。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP20199386.2 | 2020-09-30 | ||
| EP20199386 | 2020-09-30 | ||
| PCT/EP2021/077014 WO2022069670A1 (en) | 2020-09-30 | 2021-09-30 | Real-time fertilization and/or crop protection decision making based on soil-, crop, field- and weather-related data wherein the soil-related data are obtained by a soil sensor |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116234430A true CN116234430A (zh) | 2023-06-06 |
Family
ID=72709175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180065120.8A Pending CN116234430A (zh) | 2020-09-30 | 2021-09-30 | 基于土壤、作物、田地和天气相关数据做出的实时施肥和/或作物保护决策,其中土壤相关数据由土壤传感器获得 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20230337571A1 (zh) |
| EP (1) | EP4221489A1 (zh) |
| CN (1) | CN116234430A (zh) |
| BR (1) | BR112023005766A2 (zh) |
| WO (1) | WO2022069670A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117397416A (zh) * | 2023-10-20 | 2024-01-16 | 中国农业科学院草原研究所 | 一种稳固北方农牧交错区农田土壤表层粉粘粒的方法及应用 |
| CN117882546A (zh) * | 2024-03-13 | 2024-04-16 | 山西诚鼎伟业科技有限责任公司 | 一种面向农业作业机器人的智能化种植方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024017731A1 (en) * | 2022-07-22 | 2024-01-25 | Basf Agro Trademarks Gmbh | Computer-implemented method for providing combined application data |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6070539A (en) * | 1997-03-21 | 2000-06-06 | Case Corporation | Variable rate agricultural product application implement with multiple inputs and feedback |
| CA2956205A1 (en) * | 2014-06-24 | 2015-12-30 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
| US10564316B2 (en) * | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
| US9652840B1 (en) * | 2014-10-30 | 2017-05-16 | AgriSight, Inc. | System and method for remote nitrogen monitoring and prescription |
| US20180014452A1 (en) * | 2015-03-25 | 2018-01-18 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
| US10028426B2 (en) * | 2015-04-17 | 2018-07-24 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
| EP3491675B1 (en) | 2016-07-29 | 2022-11-16 | trinamiX GmbH | Optical sensor and detector for optical detection |
| CA3106467A1 (en) * | 2018-08-31 | 2020-03-05 | Farmers Edge Inc. | Method and system for estimating effective crop nitrogen applications |
| EP3927137A4 (en) * | 2019-02-21 | 2022-11-09 | Climate LLC | DIGITAL MODELING AND TRACKING OF AGRICULTURAL FIELDS FOR IMPLEMENTATION OF AGRICULTURAL FIELD TRIALS |
| DE102020125422A1 (de) * | 2020-09-29 | 2022-03-31 | Claas Selbstfahrende Erntemaschinen Gmbh | NIR-Sensor-Kalibriermethode |
-
2021
- 2021-09-30 BR BR112023005766A patent/BR112023005766A2/pt unknown
- 2021-09-30 WO PCT/EP2021/077014 patent/WO2022069670A1/en not_active Ceased
- 2021-09-30 EP EP21786214.3A patent/EP4221489A1/en not_active Withdrawn
- 2021-09-30 CN CN202180065120.8A patent/CN116234430A/zh active Pending
- 2021-09-30 US US18/026,549 patent/US20230337571A1/en active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117397416A (zh) * | 2023-10-20 | 2024-01-16 | 中国农业科学院草原研究所 | 一种稳固北方农牧交错区农田土壤表层粉粘粒的方法及应用 |
| CN117882546A (zh) * | 2024-03-13 | 2024-04-16 | 山西诚鼎伟业科技有限责任公司 | 一种面向农业作业机器人的智能化种植方法 |
| CN117882546B (zh) * | 2024-03-13 | 2024-05-24 | 山西诚鼎伟业科技有限责任公司 | 一种面向农业作业机器人的智能化种植方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022069670A1 (en) | 2022-04-07 |
| US20230337571A1 (en) | 2023-10-26 |
| BR112023005766A2 (pt) | 2023-04-25 |
| EP4221489A1 (en) | 2023-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230200288A1 (en) | Method for an "on-the-fly" treatment of an agricultural field using a soil sensor | |
| Hakkim et al. | Precision farming: the future of Indian agriculture | |
| Sharma | Precision agriculture: Reviewing the advancements technologies and applications in precision agriculture for improved crop productivity and resource management | |
| US20160309646A1 (en) | Agronomic systems, methods and apparatuses | |
| CN116234430A (zh) | 基于土壤、作物、田地和天气相关数据做出的实时施肥和/或作物保护决策,其中土壤相关数据由土壤传感器获得 | |
| Patil Shirish et al. | Precision farming: The most scientific and modern approach to sustainable agriculture | |
| Arsenijevic et al. | Influence of integrated agronomic and weed management practices on soybean canopy development and yield | |
| US20220167546A1 (en) | Method for plantation treatment of a plantation field with a variable application rate | |
| US20230360150A1 (en) | Computer implemented method for providing test design and test instruction data for comparative tests on yield, gross margin, efficacy or vegetation indices for at least two products or different application timings of the same product | |
| Rani et al. | Green smart farming techniques and sustainable agriculture: Research roadmap towards organic farming for imperishable agricultural products | |
| Naga Swetha et al. | Agriculture cloud system based emphatic data analysis and crop yield prediction using hybrid artificial intelligence | |
| Akponikpe et al. | Soil water crop modeling for decision support in millet-based systems in the Sahel: a challenge | |
| Singh et al. | Single and multispecies cover crop effects on corn production and economic returns | |
| Sahni et al. | Precision agriculture technologies | |
| Lachure et al. | Fog computing-based seed sowing robots for agriculture | |
| Zakharchenko et al. | Regulation of mineral nutrition of agricultural crops in precision farming | |
| Anand et al. | Precision agriculture: Technology and implementation | |
| Pawar et al. | Precision Agriculture Using IOT Technology with a Case Study of Coffee Beans Production | |
| Nandeha et al. | Precision and Sustainable Agriculture | |
| US20240099184A1 (en) | Decision system for seed product and/or crop nutrition product application using remote sensing based soil parameters | |
| US20230360149A1 (en) | Computer implemented method for providing test design and test instruction data for comparative tests for yield, gross margin, efficacy and/or effects on vegetation indices on a field for different rates or application modes of one product | |
| Okeke et al. | Prospects Of Precision Agriculture For Improving Agricultural Production In Nigeria | |
| Daware et al. | Precision agriculture and biotechnology | |
| Lawrence | The Influence of Pesticides on US Corn Production Environmental Impact: A Comparative Life Cycle Assessment of Dominant Production Practices | |
| Chetty et al. | Farming as feedback control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |