Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019032648) APPRENTISSAGE MACHINE DANS DES CONTEXTES DE PLANTATION, DE CULTURE ET DE RÉCOLTE AGRICOLES
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/032648 N° de la demande internationale : PCT/US2018/045719
Date de publication : 14.02.2019 Date de dépôt international : 08.08.2018
CIB :
A01B 79/02 (2006.01) ,A01C 21/00 (2006.01) ,A01B 79/00 (2006.01)
A NÉCESSITÉS COURANTES DE LA VIE
01
AGRICULTURE; SYLVICULTURE; ÉLEVAGE; CHASSE; PIÉGEAGE; PÊCHE
B
TRAVAIL DE LA TERRE EN AGRICULTURE OU EN SYLVICULTURE; PARTIES CONSTITUTIVES OU ACCESSOIRES DES MACHINES OU INSTRUMENTS AGRICOLES, EN GÉNÉRAL
79
Méthodes de travail de la terre
02
en combinaison avec d'autres opérations agricoles, p.ex. fertilisation, plantation
A NÉCESSITÉS COURANTES DE LA VIE
01
AGRICULTURE; SYLVICULTURE; ÉLEVAGE; CHASSE; PIÉGEAGE; PÊCHE
C
PLANTATION; ENSEMENCEMENT; FERTILISATION
21
Méthodes de fertilisation
A NÉCESSITÉS COURANTES DE LA VIE
01
AGRICULTURE; SYLVICULTURE; ÉLEVAGE; CHASSE; PIÉGEAGE; PÊCHE
B
TRAVAIL DE LA TERRE EN AGRICULTURE OU EN SYLVICULTURE; PARTIES CONSTITUTIVES OU ACCESSOIRES DES MACHINES OU INSTRUMENTS AGRICOLES, EN GÉNÉRAL
79
Méthodes de travail de la terre
Déposants :
INDIGO AG, INC. [US/US]; 500 Rutherford Avenue North Building Boston, MA 02129, US
Inventeurs :
PERRY, David Patrick; US
VON MALTZAHN, Geoffrey Albert; US
BERENDES, Robert; US
JECK, Eric Michael; US
KNIGHT, Barry Loyd; US
RAYMOND, Rachel Ariel; US
TRIVISVAVET, Ponsi; US
WONG, Justin Y.H.; US
RAJDEV, Neal Hitesh; US
MEUNIER, Marc-cedric Joseph; US
MICHELL, Charles, Vincent Jr.; US
LEIST, Casey James; US
TADI, Pranav Ram; US
FLAHERTY, Andrea Lee; US
BRUMMITT, Charles David; US
SINHA, Naveen Neil; US
LAMBERT, Jordan; US
HENNECK, Jonathan; US
BECCO, Carlos; US
ALLEN, Mark; US
BACHNER, Daniel; US
DEROSSI, Fernando; US
LAMONT, Ewan; US
LOWENTHAL, Rob; US
CREAGH, Dan; US
ABRAMSON, Steve; US
ALLEN, Ben; US
SHANKAR, Jyoti; US
MOSCARDINI, Chris; US
CRANE, Jeremy; US
WEISMAN, David; US
KEATING, Gerard; US
MOORES, Lauren; US
PATE, William; US
Mandataire :
JACOBSON, Anthony T.; US
SHUSTER, Michael, J.; US
BAILEY, F., Pinar; US
SEQUEIRA, Antonia, L.; US
BECKER, Daniel, M.; US
Données relatives à la priorité :
16/057,38707.08.2018US
62/542,70508.08.2017US
Titre (EN) MACHINE LEARNING IN AGRICULTURAL PLANTING, GROWING, AND HARVESTING CONTEXTS
(FR) APPRENTISSAGE MACHINE DANS DES CONTEXTES DE PLANTATION, DE CULTURE ET DE RÉCOLTE AGRICOLES
Abrégé :
(EN) A crop prediction system performs various machine learning operations to predict crop production and to identify a set of farming operations that, if performed, optimize crop production. The crop prediction system uses crop prediction models trained using various machine learning operations based on geographic and agronomic information. Responsive to receiving a request from a grower, the crop prediction system can access information representation of a portion of land corresponding to the request, such as the location of the land and corresponding weather conditions and soil composition. The crop prediction system applies one or more crop prediction models to the access information to predict a crop production and identify an optimized set of farming operations for the grower to perform.
(FR) L'invention concerne un système de prédiction de culture végétale effectuant diverses opérations d'apprentissage machine pour prédire la production d'une culture végétale et identifier un ensemble d'opérations agricoles qui, si elles sont exécutées, optimisent la production d'une culture végétale. Le système de prédiction de culture végétale utilise des modèles de prédiction de culture végétale entraînés à l'aide de diverses opérations d'apprentissage machine sur la base d'informations géographiques et agronomiques. En réponse à la réception d'une demande provenant d'un cultivateur, le système de prédiction de culture végétale peut accéder à une représentation d'informations d'une partie de terrain correspondant à la demande, par exemple l'emplacement du terrain, les conditions météorologiques correspondantes et la composition du sol. Le système de prédiction de culture végétale applique un ou plusieurs modèles de prédiction de culture végétale aux informations d'accès pour prédire la production d'une culture végétale et identifier un ensemble optimisé d'opérations agricoles que le cultivateur doit effectuer.
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)