SISTEMAS Y METODOS PARA MAPAS DE CALOR DE PRESION DE PLAGAS

• Main Authors: LIN, Wandi, STERLING, Sara Catherine, STUART-HOFF, Ian Anthony, D'HYVER DE LAS DESES, Paul, SINGH, Sukhvinder, BARRATT, Simon Bridge, PUTTERMAN,, Ross Joseph
• Format: Patent
• Language: Spanish
• Published: 30.11.2022
• Subjects: CALCULATING; COMPUTING; COUNTING; DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FORADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORYOR FORECASTING PURPOSES; PHYSICS; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE,COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTINGPURPOSES, NOT OTHERWISE PROVIDED FOR

Se proporcionan sistemas y metodos para generar y mostrar mapas de calor. Un dispositivo informatico de generacion de mapas de calor incluye una memoria y un procesador. El procesador esta programado para recibir datos de trampas para una pluralidad de trampas para plagas en una ubicacion geografica, incluyendo los datos de trampas valores de presion de plagas actuales e historicos en cada una de la pluralidad de trampas para plagas, recibir datos meteorologicos para la ubicacion geografica, recibir datos de imagen para la ubicacion geografica, aplicar un algoritmo de aprendizaje automatico para generar valores de presion de plagas futuros previstos en cada una de la pluralidad de trampas para plagas, generar un primer mapa de calor para un primer punto en el tiempo y un segundo mapa de calor para un segundo punto en el tiempo, y transmitir los mapas de calor primero y segundo a un dispositivo informatico movil para hacer que una interfaz de usuario en el dispositivo informatico movil muestre un mapa de calor de lapso de tiempo. System and methods for predicting future pest pressures are provided. A pest pressure prediction computing device includes a memory and a processor communicatively coupled to the memory. The processor is programmed to receive trap data for a plurality of pest traps in a geographic location, receive weather data for the geographic location, receive image data for the geographic location, identify at least one geospatial feature within or proximate to the geographic location, apply a machine learning algorithm to the trap data, the weather data, the image data, and the at least one identified geospatial feature to identify a correlation between pest pressure and the at least one geospatial feature, and generate predicted future pest pressures for the geographic location based at least on the identified correlation between pest pressure and the at least one geospatial feature.