周宇君,曾正程,張姝雅,李 哲,高文君,羅翔詩(shī),王 璐,張 帥
中國(guó)農(nóng)業(yè)大學(xué)動(dòng)物科學(xué)技術(shù)學(xué)院,畜禽營(yíng)養(yǎng)與飼養(yǎng)全國(guó)重點(diǎn)實(shí)驗(yàn)室,農(nóng)業(yè)農(nóng)村部飼料工業(yè)中心,北京100193
隨著全球城鎮(zhèn)化的加速,居民對(duì)肉蛋奶等畜產(chǎn)品的需求將在未來(lái)呈持續(xù)增長(zhǎng)趨勢(shì),這也預(yù)示著畜牧業(yè)在未來(lái)將需要更高的生產(chǎn)效率和更大的生產(chǎn)規(guī)模。同時(shí),從可持續(xù)發(fā)展的角度來(lái)看,未來(lái)畜牧業(yè)必須要朝著環(huán)境友好型的方向發(fā)展,需要把養(yǎng)殖過(guò)程產(chǎn)生的環(huán)境壓力(包括溫室氣體、氮、磷等的排放,水資源消耗,土地利用等)減小到可控范圍內(nèi)。要滿足以上這些要求,就需要從養(yǎng)殖業(yè)整體進(jìn)行把控,從系統(tǒng)工程的角度進(jìn)行研究。數(shù)字化和模型化恰恰是針對(duì)系統(tǒng)工程進(jìn)行研究和優(yōu)化的有利工具。
養(yǎng)殖業(yè)中數(shù)學(xué)模型的建立是針對(duì)復(fù)雜的動(dòng)物生產(chǎn)系統(tǒng),將其中可以進(jìn)行科學(xué)評(píng)估和方便測(cè)定的指標(biāo)作為參數(shù),對(duì)特定的過(guò)程或目標(biāo)進(jìn)行模擬和預(yù)測(cè),從而實(shí)現(xiàn)具體管理措施的推薦及決策,主要包括但不限于優(yōu)化飼喂程序、減少環(huán)境壓力和生產(chǎn)定制化的畜產(chǎn)品等(Tedeschi,2019)。當(dāng)前國(guó)外研究較多的動(dòng)物營(yíng)養(yǎng)數(shù)學(xué)模型包括營(yíng)養(yǎng)素消化過(guò)程的模型、營(yíng)養(yǎng)素及能量沉積和分配的模型、動(dòng)物生長(zhǎng)性能及采食量的預(yù)測(cè)模型,以及以上營(yíng)養(yǎng)消化代謝過(guò)程和遺傳、管理、環(huán)境、動(dòng)物健康之間交互作用的模型等(Leishman 等,2023)。尤其是近年來(lái)各畜種最新版飼養(yǎng)標(biāo)準(zhǔn)中所納入的機(jī)理模型(Mechanistic models, MMs),可以實(shí)現(xiàn)動(dòng)物體內(nèi)各生理過(guò)程的數(shù)學(xué)描述,通常被用來(lái)解釋生理過(guò)程的因果變化,并作為企業(yè)養(yǎng)殖過(guò)程中的決策支持(decision support)和機(jī)會(huì)分析(opportunity analysis)的重要工具(Ellis 等,2020)。
本文將主要對(duì)豬精準(zhǔn)營(yíng)養(yǎng)數(shù)學(xué)模型、有豆粕替代潛力的原料有效養(yǎng)分動(dòng)態(tài)預(yù)測(cè)模型和豬精準(zhǔn)營(yíng)養(yǎng)配方系統(tǒng)三方面的研究進(jìn)展進(jìn)行綜述,并對(duì)數(shù)字化模型化助力豬精準(zhǔn)營(yíng)養(yǎng)和豆粕減量的未來(lái)前景進(jìn)行展望,以期為未來(lái)新業(yè)態(tài)下飼料原料的高效利用、現(xiàn)代化養(yǎng)殖業(yè)產(chǎn)業(yè)鏈供應(yīng)鏈水平的提升以及我國(guó)畜牧業(yè)的可持續(xù)發(fā)展提供理論和工具參考。
豬營(yíng)養(yǎng)數(shù)學(xué)模型是實(shí)現(xiàn)精準(zhǔn)營(yíng)養(yǎng)和精準(zhǔn)飼喂的基礎(chǔ)。精準(zhǔn)營(yíng)養(yǎng)或精準(zhǔn)飼喂是指“在恰當(dāng)?shù)臅r(shí)間向特定的動(dòng)物個(gè)體提供含有合適營(yíng)養(yǎng)素的合適數(shù)量的飼料”(Zuidhof,2020)。為了實(shí)現(xiàn)這一目標(biāo),整個(gè)精準(zhǔn)飼喂系統(tǒng)需要包含以下部分:(1)特定動(dòng)物個(gè)體信息的準(zhǔn)確識(shí)別(包括實(shí)時(shí)的個(gè)體身份信息、體重信息等);(2)下一階段(如下次飼喂或次日)生產(chǎn)性能的預(yù)測(cè)模型(如采食量、日增重等);(3)飼料中的有效養(yǎng)分實(shí)時(shí)預(yù)測(cè)模型;(4)基于生產(chǎn)性能預(yù)測(cè)模型和飼料中的有效養(yǎng)分預(yù)測(cè)模型提供給個(gè)體精確飼料的綜合決策算法。其中的信息識(shí)別環(huán)節(jié)中,機(jī)器學(xué)習(xí)(Machine learning, ML)算法模型是當(dāng)前研究的主流方法。生產(chǎn)性能預(yù)測(cè)、原料有效養(yǎng)分預(yù)測(cè)和綜合決策算法中,除了傳統(tǒng)的線性回歸經(jīng)驗(yàn)?zāi)P停‥mpirical model)外,基于機(jī)理模型或機(jī)理模型與機(jī)器學(xué)習(xí)模型的混合模型是近年來(lái)研究者關(guān)注的熱點(diǎn),該類模型不僅可以作為決策工具以確定動(dòng)物的最佳營(yíng)養(yǎng)需要量,同時(shí)還能把生產(chǎn)效率、生產(chǎn)成本和環(huán)境影響等因素納入在內(nèi)統(tǒng)籌考慮。例如,Parsons 等(2007)報(bào)道了一種基于模型的實(shí)時(shí)系統(tǒng),可以控制豬的生長(zhǎng)以及氮和氨的排放,該系統(tǒng)的核心是基于豬生長(zhǎng)的機(jī)理模型以及用于調(diào)整飼料配方以優(yōu)化生長(zhǎng)的優(yōu)化器,模型中使用了養(yǎng)殖現(xiàn)場(chǎng)的實(shí)時(shí)體重和采食量數(shù)據(jù)以輸入機(jī)理模型。Pomar 等(2015)描述了一個(gè)類似的模型,該模型遵循“灰盒模型(grey box model)”方法,包括經(jīng)驗(yàn)?zāi)P蚚“黑箱模型(black box model)”]和基于知識(shí)的機(jī)理模型兩部分。此外,在法國(guó)農(nóng)業(yè)科學(xué)院(INRA)牽頭的Feed–a–Gene 項(xiàng)目中(Brossard 等,2017),同樣開發(fā)了一種精準(zhǔn)飼喂管理系統(tǒng),以提高豬和家禽對(duì)波動(dòng)環(huán)境條件的適應(yīng)能力并提高飼料效率,與前述兩個(gè)模型系統(tǒng)相似,該系統(tǒng)包括了養(yǎng)殖現(xiàn)場(chǎng)動(dòng)物實(shí)時(shí)個(gè)體數(shù)據(jù)的收集(如體重、采食量、活動(dòng)等)和環(huán)境數(shù)據(jù)的收集(如溫度、濕度等),并將這些信息輸入到動(dòng)物營(yíng)養(yǎng)經(jīng)驗(yàn)?zāi)P秃蜋C(jī)理模型中,以基于預(yù)期達(dá)到的生長(zhǎng)性能計(jì)算動(dòng)物的營(yíng)養(yǎng)需要量,并相應(yīng)地實(shí)施飼喂決策。
在動(dòng)物生產(chǎn)中常用的數(shù)學(xué)模型根據(jù)其不同特點(diǎn),通??梢苑譃殪o態(tài)模型(static model)或 動(dòng) 態(tài) 模 型(dynamic model)、確 定 性 模 型(deterministic model)或隨 機(jī) 模型(stochastic model)、經(jīng)驗(yàn)?zāi)P停╡mpirical model)或機(jī)理模型(mechanistic model)(Thornley 和France,2007)。在豬營(yíng)養(yǎng)研究上,最早的數(shù)學(xué)模型出現(xiàn)在20 世紀(jì)50~60 年代,主要依賴于經(jīng)驗(yàn)公式和統(tǒng)計(jì)方法,根據(jù)豬的體重、品種和生長(zhǎng)階段等因素來(lái)估計(jì)其營(yíng)養(yǎng)需求。在20 世紀(jì)70~80 年代,隨著計(jì)算機(jī)技術(shù)的發(fā)展,豬營(yíng)養(yǎng)與飼料配方上開始采用線性規(guī)劃模型,通過(guò)最小化飼料成本或最大化生產(chǎn)效率來(lái)進(jìn)行飼料配方優(yōu)化。20 世紀(jì)90年代以后,隨著對(duì)動(dòng)物生理學(xué)和代謝過(guò)程的理解加深,豬營(yíng)養(yǎng)模型逐漸發(fā)展為動(dòng)態(tài)機(jī)理模型,可以模擬豬的生長(zhǎng)、代謝和營(yíng)養(yǎng)利用過(guò)程?,F(xiàn)代研究中的豬營(yíng)養(yǎng)模型越來(lái)越精細(xì),可以考慮更多因素,如環(huán)境溫度、濕度、飲水情況等,以提供更精確的飼養(yǎng)建議。部分研究也開始考慮個(gè)體差異,根據(jù)不同豬的生長(zhǎng)特性、品種、健康狀態(tài)等因素,提供個(gè)性化的營(yíng)養(yǎng)建議。近年來(lái),隨著學(xué)科交叉融合的深入,一些研究開始利用機(jī)器學(xué)習(xí)技術(shù),通過(guò)對(duì)安裝在養(yǎng)殖場(chǎng)一線的新型傳感器所收集的大量數(shù)據(jù)進(jìn)行學(xué)習(xí),建立更復(fù)雜的豬營(yíng)養(yǎng)模型,以實(shí)現(xiàn)更準(zhǔn)確的飼料配方和營(yíng)養(yǎng)供給,機(jī)器學(xué)習(xí)也使動(dòng)物營(yíng)養(yǎng)數(shù)學(xué)模型研究以前所未有的速度向著人類未知的方向發(fā)展。
機(jī)器學(xué)習(xí)是人工智能(AI)的一個(gè)分支,涉及到計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、概率論和信息論等多個(gè)領(lǐng)域的技術(shù),用于識(shí)別、理解和解釋大數(shù)據(jù)中的模式。雖然在動(dòng)物科學(xué)研究中我們?nèi)耘f把機(jī)器學(xué)習(xí)作為一個(gè)全新的概念來(lái)討論,但這個(gè)術(shù)語(yǔ)早在20 世紀(jì)50 年代就已經(jīng)存在了,甚至早于現(xiàn)代互聯(lián)網(wǎng)發(fā)明之前(Samuel,1959)。通常來(lái)講,機(jī)器學(xué)習(xí)可以被認(rèn)為是一種能夠改進(jìn)數(shù)學(xué)模型性能并根據(jù)經(jīng)驗(yàn)做出準(zhǔn)確預(yù)測(cè)的計(jì)算方法,可以根據(jù)其學(xué)習(xí)類型(有監(jiān)督模型、無(wú)監(jiān)督模型、半監(jiān)督模型、強(qiáng)化學(xué)習(xí)模型)和輸出數(shù)據(jù)類型(連續(xù)數(shù)據(jù)模型、離散數(shù)據(jù)模型)來(lái)分類(Greener 等,2022)。從這一角度出發(fā),當(dāng)前動(dòng)物營(yíng)養(yǎng)研究中建立的數(shù)學(xué)模型基本都可以被歸類為利用連續(xù)數(shù)據(jù)的有監(jiān)督學(xué)習(xí)模型。從具體機(jī)器學(xué)習(xí)算法來(lái)講,人工神經(jīng)網(wǎng)絡(luò)(ANN)模型已經(jīng)在動(dòng)物營(yíng)養(yǎng)領(lǐng)域的預(yù)測(cè)任務(wù)中有了應(yīng)用,如我們課題組前期利用ANN 模型建立了基于飼料凈能和氨基酸攝入的豬生長(zhǎng)性能預(yù)測(cè)模型(Wang 等,2022),以及基于體重和采食量的豬凈能需要量預(yù)測(cè)模型(Wang 等,2023)。此外,當(dāng)變量數(shù)量大于要預(yù)測(cè)的目標(biāo)性狀的數(shù)量時(shí),通常可以使用支持向量機(jī)(SVM)模型進(jìn)行分類和回歸;決策樹是另一種流行的機(jī)器學(xué)習(xí)技術(shù),可以用于連續(xù)數(shù)據(jù)(回歸任務(wù))和離散數(shù)據(jù)(分類任務(wù))建模(Leishman 等,2023)。機(jī)器學(xué)習(xí)模型應(yīng)用的主要困難在于并非所有生產(chǎn)場(chǎng)都有條件安裝能記錄足量數(shù)據(jù)的傳感器,因此也就無(wú)法生成訓(xùn)練機(jī)器學(xué)習(xí)模型所需的大數(shù)據(jù)。因此,傳統(tǒng)的經(jīng)驗(yàn)?zāi)P腿耘f會(huì)是未來(lái)一段時(shí)間生產(chǎn)一線中應(yīng)用的主要模型類型。
在機(jī)器學(xué)習(xí)領(lǐng)域中,另一個(gè)正在興起的研究熱點(diǎn)是基于機(jī)器學(xué)習(xí)模型對(duì)文獻(xiàn)資料的自動(dòng)搜集、整理和合成。目前被大家熟知的例子便是Chat–GPT 和其他類似的大語(yǔ)言模型工具。這些公共工具可以滿足各種各樣的基于文本的請(qǐng)求,例如在提供關(guān)鍵字或主題時(shí)總結(jié)相關(guān)文獻(xiàn),根據(jù)目標(biāo)從數(shù)據(jù)庫(kù)中發(fā)掘和推薦相關(guān)論文,以及有可能實(shí)現(xiàn)的基于文獻(xiàn)數(shù)據(jù)或合成的數(shù)據(jù)而不是養(yǎng)殖生產(chǎn)數(shù)據(jù)來(lái)訓(xùn)練數(shù)學(xué)模型,類似方法已經(jīng)出現(xiàn)在化學(xué)等研究領(lǐng)域(Leishman 等,2023)。雖然該方法在動(dòng)物營(yíng)養(yǎng)研究領(lǐng)域的應(yīng)用情況還有很大的未知性,但我們相信,大語(yǔ)言模型技術(shù)在未來(lái)必定會(huì)對(duì)學(xué)科發(fā)展起到積極的推動(dòng)作用。
2021 年4 月,全國(guó)動(dòng)物營(yíng)養(yǎng)指導(dǎo)委員會(huì)發(fā)布了《飼料玉米豆粕減量替代技術(shù)方案》;2023年4 月,農(nóng)業(yè)農(nóng)村部發(fā)布了《飼用豆粕減量替代三年行動(dòng)方案》。其中的重要技術(shù)環(huán)節(jié)是對(duì)有玉米豆粕替代潛力的蛋白質(zhì)飼料原料有效養(yǎng)分的精準(zhǔn)把握,當(dāng)前的關(guān)鍵技術(shù)是建立其中有效養(yǎng)分(凈能、標(biāo)準(zhǔn)回腸末端可消化氨基酸等)的實(shí)時(shí)預(yù)測(cè)模型。結(jié)合農(nóng)業(yè)農(nóng)村部飼料工業(yè)中心前期在生長(zhǎng)豬上關(guān)于原料評(píng)價(jià)的工作和部分行業(yè)參考文獻(xiàn),現(xiàn)將有豆粕替代潛力的主要原料有效養(yǎng)分評(píng)價(jià)及動(dòng)態(tài)預(yù)測(cè)模型研究進(jìn)展總結(jié)如下。
菜籽餅粕是油菜籽加工制油后的副產(chǎn)物,粗蛋白質(zhì)含量為34%~38%,含有豐富的含硫氨基酸,賴氨酸和精氨酸含量略低。普通菜籽餅粕含以硫甙為主的抗?fàn)I養(yǎng)因子,適口性差,消化率低于豆粕,可替代40%~50% 的豆粕,而雙低菜籽粕可替代60%~80% 的豆粕。菜籽粕有效能值偏低,替代豆粕時(shí)需要適量添加油脂;現(xiàn)實(shí)中通過(guò)培育雙低或三低油菜品種或是進(jìn)行微生物發(fā)酵來(lái)降低菜籽粕中抗?fàn)I養(yǎng)因子的含量、提高消化率及其在飼料配方中用量(郄彥昭,2010)。雙低菜籽餅的消化能(DE)、代謝能(ME)和標(biāo)準(zhǔn)回腸末端可消化賴氨酸及蛋氨酸(SID Lys、SID Met)可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù)測(cè):DE=1.47 GE–0.21 ADF+0.53 ash–14.72 (R2=0.93) ;ME=9.33–0.09 NDF–0.25 CF+0.59 GE (R2=0.93) ;SID Lys=0.33 PS+56.89 (R2= 0.78),其中PS 為蛋白質(zhì)溶解度;SID Met=1.65 Lys–2.40 CF+22.07 Met+111.04(R2=0.91)(李 培 麗,2018)。普 通 菜 籽 餅 粕 的DE 和ME 可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù)測(cè):DE=7.65+0.22 CP+0.24 EE–0.27 ADF+0.15 CF(R2=0.75) ; ME=14.92+0.16 EE–0.26 ADF+0.17 CF (R2=0.69)(張澤宇,2019)。以上模型中DE和ME 的單位為MJ/kg(干物質(zhì)基礎(chǔ),下同,除特殊說(shuō)明外);SID 氨基酸的單位為%(下同)。
棉籽餅粕是一種從棉籽中提取的農(nóng)業(yè)副產(chǎn)品,粗蛋白質(zhì)含量高達(dá)40%~50%,略高于豆粕,氨基酸組成平衡,精氨酸含量高于豆粕,賴氨酸含量低于豆粕。棉籽餅粕本身或加工過(guò)程中產(chǎn)生的小肽和棉子糖具有抗氧化、抗癌和免疫調(diào)節(jié)等功能(趙金標(biāo)等,2023)。普通棉籽餅粕可替代30%~40% 的豆粕,脫酚棉籽蛋白可替代60%~80%的豆粕。棉籽粕中常見的抗?fàn)I養(yǎng)因子是游離棉酚,過(guò)度食用會(huì)引起畜禽中毒,實(shí)際生產(chǎn)中,常使用物理法、化學(xué)法和生物發(fā)酵法進(jìn)行脫毒(葉盛,2015)。棉籽粕的DE、ME 和部分SID氨基酸可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù)測(cè):DE=–32.67+3.00 GE–0.21 CP+1.20 EE–0.46 cellulose(R2=0.95); ME=21.33–1.19 GE+1.15 DE–0.92 EE(R2=0.96);SID Lys=–25.68+5.01 cellulose–1.84 ADF+95.30 Met (R2=0.85);SID Trp=83.29–0.52 CP+14.32 AEE (R2=0.70)(馬曉康,2015)。
花生餅粕是花生仁制油后的副產(chǎn)物,粗蛋白質(zhì)含量為47%~55%,與豆粕大致相同,氨基酸組成不平衡,礦物質(zhì)中鈣少磷多,且磷多屬植酸磷?;ㄉ稍谑褂眠^(guò)程中由于油脂含量過(guò)高、保存條件不當(dāng),易受黃曲霉毒素污染;實(shí)際生產(chǎn)中,可通過(guò)發(fā)酵花生粕的工藝促進(jìn)營(yíng)養(yǎng)物質(zhì)吸收和降低抗?fàn)I養(yǎng)因子等(王嘉豪等,2022)?;ㄉ傻腄E、ME 和部分SID 氨基酸可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù)測(cè):DE=0.18+0.73 GE+0.08 CP–0.14 NDF (R2=0.97);ME=17.78–0.17 NDF (R2=0.59);SID Lys=48.10 Lys–0.42 NDF–0.61 (R2=0.88) ;SID Met=24.31 Met+28.44 Lys–0.28 NDF+31.16 (R2=0.92);SID Thr=36.81 Lys+9.50 (R2=0.74)(李青云,2014)。
葵花籽粕有兩種常見制取方法:一是在高溫下利用有機(jī)溶劑制取;二是直接冷榨獲得(柴杰等,2016)??ㄗ哑傻拇值鞍踪|(zhì)含量為27%~37%,賴氨酸含量對(duì)比豆粕較低,但其他氨基酸組成較為平衡,特別是富含谷氨酸和天冬氨酸;葵花籽粕中常見的抗?fàn)I養(yǎng)因子有植酸和綠原酸等,明顯少于豆粕中的抗?fàn)I養(yǎng)因子,并且其中含有的綠原酸對(duì)畜禽有抗氧化、抗炎抗菌和促進(jìn)生長(zhǎng)等特殊功效(楊榮等,2020)??ㄗ哑傻腄E、ME 和部分SID 氨基酸可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù)測(cè):DE=–4.90+0.14 CP–0.08 CF+0.71 GE (R2=0.89) ;ME=–4.90–0.05 NDF+0.66 GE+0.16 CP (R2=0.96) ;SID Lys=39.65+90.30 Met–84.36 Trp (R2=0.98) ;SID Met=58.02–0.49 EE+7.96 Ca+33.98 Met (R2=0.97) ;SID Thr=28.39+56.73 Met (R2=0.87)(劉君地,2014)。
玉米加工副產(chǎn)物中可部分替代豆粕的有噴漿玉米皮、玉米蛋白粉和玉米胚芽粕,三者均為玉米深加工的副產(chǎn)物。噴漿玉米皮是在玉米濕磨過(guò)程中將玉米浸泡液均勻噴撒在玉米皮上干燥后在產(chǎn)物,粗蛋白質(zhì)含量約為20%(李運(yùn)杰等,2023)。噴漿玉米皮在使用時(shí)易感染真菌霉素;加工過(guò)程提高了其粗纖維含量,更適用于反芻動(dòng)物。玉米蛋白粉是玉米籽實(shí)經(jīng)過(guò)淀粉或酒精生產(chǎn)后提純的副產(chǎn)物,粗蛋白質(zhì)含量約為60%,但存在有特殊氣味、適口性差、抗?fàn)I養(yǎng)因子高和氨基酸組成不平衡等缺點(diǎn),實(shí)際生產(chǎn)中,常利用發(fā)酵玉米蛋白粉的生產(chǎn)工藝改善其營(yíng)養(yǎng)價(jià)值(李運(yùn)杰等,2023)。玉米蛋白粉的DE、ME 和部分SID 氨基酸可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù)測(cè):DE=15.59+0.10 CP–0.66 ADF (R2=0.59);ME=22.18–0.08 starch–0.58 ADF (R2=0.65);SID Met=109.10–0.30 CP+1.13 CF (R2=0.72);SID Trp=52.94+9.42 ash (R2=0.30)(紀(jì)穎,2012)。玉米胚芽粕是玉米胚芽榨油后的副產(chǎn)物,粗蛋白質(zhì)含量為23%~25%,氨基酸組成平衡,必需氨基酸含量高,含有大量維生素,具有獨(dú)特芳香氣味,適口性好(李運(yùn)杰等,2023)。玉米胚芽粕的DE、ME 和部分SID 氨基酸可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù)測(cè):DE=26.85–0.28 IDF–17.79 Ca (R2=0.92);ME=21.05–0.43 ADF–11.40 Ca (R2=0.87);SID Lys=130.45+9.58 EE–1.16 TDF–51.62 Lys (R2=0.91);SID Met=184.68–4.43 CP+1.04 starch–0.80 IDF (R2=0.88);SID Trp=28.92+9.39 AEE+72.19 Ca (R2=0.67)(劉兆宇,2014)。
玉米DDGS 是采用微生物發(fā)酵法制取玉米乙醇燃料后的廢渣經(jīng)過(guò)加工、干燥和混合等工藝流程后的產(chǎn)物,粗蛋白質(zhì)含量為27.5%~33.3%,氨基酸組成與豆粕相似,其中賴氨酸和色氨酸較為缺乏;由于產(chǎn)地和生產(chǎn)工藝等的不同,玉米DDGS 的營(yíng)養(yǎng)成分價(jià)值差異較大。玉米DDGS 相較于玉米,蛋白質(zhì)、氨基酸和維生素的數(shù)量與品質(zhì)均有提升,并含有未探明機(jī)理的促生長(zhǎng)因子,實(shí)際生產(chǎn)中,可以通過(guò)運(yùn)用酶制劑、改進(jìn)生產(chǎn)工藝和物理處理等方法提高玉米DDGS 在畜禽中的飼料轉(zhuǎn)化率(扣澤華等,2023)。根據(jù)加工工藝的不同,玉米DDGS可以分為全油類和提油類兩種,全油類玉米DDGS的DE 和ME 可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù)測(cè):DE 全 油=–643–94.52 CF+1.14 GE–22.89 NDF(R2=0.83),ME 全 油=7898–42.08 NDF–136.17 ash+101.19 EE–103.83 CP (R2=0.90),其 中DE 和ME 的單位為kcal/kg;提油類玉米DDGS 的DE和ME 可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù)測(cè):DE 提油=4338–36.75 NDF+32.99 CP–67.10 CF (R2=0.95),ME 提 油=4066–46.03 NDF+45.80 CP–106.19 ash(R2=0.94),其 中DE 和ME 的 單 位 為kcal/kg(李平,2014)。如果不分類,玉米DDGS 的DE、ME和部分SID 氨基酸可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù) 測(cè):DE =1874–21.35 NDF+0.65 GE–99.84 CF(R2=0.86);ME=1463–32.43 NDF+0.79 GE–54.52 ash–68.82 CF (R2=0.87);SID Lys=57.77+1.13 EE–3.19 a*+55.00 Met (R2=0.91);SID Met=92.89–1.92 CF–2.09 a*+16.33 Met+5.46 Lys:CP (R2=0.93);SID Thr=82.88+0.53 EE–3.22 ash (R2=0.64);SID Trp=56.83+1.10 EE–2.27 ash+35.96 Met (R2=0.82),其中DE 和ME 的單位為kcal/kg,a*為紅度值(李平,2014)。
亞麻籽富含蛋白質(zhì)、油脂、不飽和脂肪酸等多種營(yíng)養(yǎng)物質(zhì),亞麻餅粕是亞麻籽加工制油的主要副產(chǎn)物,富含蛋白質(zhì)和優(yōu)質(zhì)脂肪酸,亞麻餅粕和胡麻餅粕的粗蛋白質(zhì)含量約為32%~49%,蛋氨酸和胱氨酸的含量比豆粕較少。亞麻籽蛋白及其活性肽具有抗氧化、抗菌抗炎、降低膽固醇和降血壓等功能(李赫等,2019)。亞麻餅粕中含少量氫氰酸,在實(shí)際生產(chǎn)中過(guò)渡飼喂會(huì)導(dǎo)致畜禽中毒,在豬雞日糧中可添加5%~6%。亞麻籽餅的DE、ME 和部分SID 氨基酸可用以下動(dòng)態(tài)模型進(jìn)行快速預(yù)測(cè):DE=–13.49+1.58 GE–0.11 NDF (R2=0.90);ME=–0.31+0.95 DE (R2= 0.97);SID Lys=45.63+49.49 Met (R2=0.47);SID Met=107.81–0.57 NDF+0.36 ADF (R2=0.92);SID Thr=34.66+0.99 CP+0.61 EE(R2=0.71)(陳一凡,2016)。
我國(guó)地大物博,不同地區(qū)存在著不同的地源性蛋白飼料原料資源,在實(shí)際生產(chǎn)中可以起到豆粕替代的作用。如其他非常規(guī)植物餅粕類原料棕櫚粕,非常規(guī)動(dòng)物蛋白質(zhì)飼料昆蟲蛋白和牧業(yè)林業(yè)副產(chǎn)品桑葉等。棕櫚粕是棕櫚果制油后的副產(chǎn)物,粗蛋白質(zhì)含量為14.1%~24.8%,僅約為豆粕粗蛋白質(zhì)含量的一半,但由于其來(lái)源廣泛、價(jià)格低廉,可用于部分代替豆粕;棕櫚粕富含氨基酸和礦物質(zhì),缺乏賴氨酸、蛋氨酸和色氨酸,纖維含量較高,在飼料中使用需要注意能氮平衡(李國(guó)祥等,2023)。昆蟲蛋白如黑水虻多為腐生性昆蟲,常用于處理有機(jī)垃圾,其將生活有機(jī)廢棄物最大效率的轉(zhuǎn)換成自身生長(zhǎng)發(fā)育所需的能量,并且轉(zhuǎn)化后的廢棄物是一種效價(jià)很高的有機(jī)肥料,蟲粉干的粗蛋白質(zhì)含量為35%~45%,某些必需氨基酸含量高于豆粕,世代周期短、易于大量養(yǎng)殖(張慧杰等,2023)。桑葉在我國(guó)種植歷史悠久且抗逆性強(qiáng),粗蛋白質(zhì)含量為23%~30%,其中豐富的活性物質(zhì)可以降血壓、降血糖和抗菌抗炎等(姜貝貝等,2017)。但是關(guān)于以上原料有效養(yǎng)分的動(dòng)態(tài)預(yù)測(cè)模型還鮮見報(bào)道,需要進(jìn)行相關(guān)的系統(tǒng)評(píng)價(jià)工作以實(shí)現(xiàn)其有效養(yǎng)分的快速便捷預(yù)測(cè)。
此外,近年來(lái)對(duì)于豬蛋白飼料原料有效養(yǎng)分的評(píng)價(jià)工作主要以生長(zhǎng)豬為靶動(dòng)物,為了實(shí)現(xiàn)豬精準(zhǔn)營(yíng)養(yǎng)配方的配制,需要知道不同原料在不同生長(zhǎng)階段豬上的有效養(yǎng)分是存在差異的。因此,下一步同樣需要聚焦豆粕替代原料在仔豬和母豬上的有效養(yǎng)分研究,或建立基于同種原料的生長(zhǎng)豬有效養(yǎng)分?jǐn)?shù)據(jù)庫(kù)推演至仔豬和母豬上的數(shù)學(xué)模型,從而為實(shí)現(xiàn)不同階段豬的精準(zhǔn)營(yíng)養(yǎng)配制奠定基礎(chǔ)。
飼料配方軟件系統(tǒng)是實(shí)現(xiàn)畜禽精準(zhǔn)營(yíng)養(yǎng)的重要工具。最初的飼料配方興起于20 世紀(jì)初,主要依賴于手工計(jì)算和經(jīng)驗(yàn)公式,養(yǎng)殖業(yè)者根據(jù)動(dòng)物的基本營(yíng)養(yǎng)需求和可用原料的營(yíng)養(yǎng)成分進(jìn)行手動(dòng)配比。20 世紀(jì)60~70 年代,隨著計(jì)算機(jī)技術(shù)的發(fā)展,出現(xiàn)了第一代計(jì)算機(jī)輔助的飼料配方軟件,這些軟件能夠更快速地處理大量數(shù)據(jù),提供更準(zhǔn)確的飼料配方。20 世紀(jì)90 年代,隨著養(yǎng)殖業(yè)的發(fā)展,出現(xiàn)了專門針對(duì)特定動(dòng)物種類(如奶牛、豬等)的飼料配方軟件,這些軟件提供了更多的定制功能和專業(yè)化的營(yíng)養(yǎng)指導(dǎo)。進(jìn)入21 世紀(jì),隨著互聯(lián)網(wǎng)的普及,飼料配方軟件開始利用云計(jì)算和在線數(shù)據(jù)庫(kù),使得用戶可以隨時(shí)隨地訪問(wèn)和更新配方數(shù)據(jù)。
在算法方面,最早的飼料配方軟件主要依賴于線性規(guī)劃算法,通過(guò)最小化或最大化特定的目標(biāo)函數(shù)(如成本最小化或營(yíng)養(yǎng)需求最大化)來(lái)求解配方問(wèn)題。隨著算法和計(jì)算能力的提升,新一代的飼料配方軟件開始采用更復(fù)雜的優(yōu)化算法,包括非線性規(guī)劃、遺傳算法等,以解決更復(fù)雜的配方問(wèn)題。近年來(lái),一些先進(jìn)的飼料配方軟件開始集成機(jī)器學(xué)習(xí)和人工智能技術(shù),通過(guò)對(duì)大量數(shù)據(jù)進(jìn)行學(xué)習(xí),實(shí)現(xiàn)更精確的配方優(yōu)化和預(yù)測(cè)。
在未來(lái),飼料配方軟件將朝著更加智能化的方向發(fā)展,有望根據(jù)動(dòng)物的生長(zhǎng)階段、健康狀態(tài)和環(huán)境條件等因素自動(dòng)調(diào)整配方,從而實(shí)現(xiàn)個(gè)性化的營(yíng)養(yǎng)供給。隨著傳感器技術(shù)在一線養(yǎng)殖場(chǎng)和飼料廠的安裝,現(xiàn)場(chǎng)的數(shù)據(jù)采集能力得到了很大提升,飼料配方軟件將有望利用實(shí)時(shí)的動(dòng)物健康和生產(chǎn)數(shù)據(jù),實(shí)現(xiàn)實(shí)時(shí)監(jiān)控和調(diào)整配方,以提高養(yǎng)殖效率和動(dòng)物福利。此外,未來(lái)的飼料配方軟件還將更加關(guān)注可持續(xù)性和環(huán)保因素,通過(guò)優(yōu)化配方,減少資源消耗和排放,以滿足日益增長(zhǎng)的環(huán)保要求??偟膩?lái)說(shuō),飼料配方軟件系統(tǒng)的發(fā)展將會(huì)朝著智能化、數(shù)據(jù)驅(qū)動(dòng)、可持續(xù)性和環(huán)保等方向發(fā)展,從而為養(yǎng)殖業(yè)提供更科學(xué)、高效、可持續(xù)的解決方案。
隨著農(nóng)業(yè)4.0 時(shí)代的到來(lái),農(nóng)業(yè)生產(chǎn)由機(jī)械化全面擁抱信息化甚至智能化,以數(shù)字化模型化為代表的精準(zhǔn)營(yíng)養(yǎng)技術(shù)在畜牧養(yǎng)殖業(yè)中的研究和應(yīng)用注定會(huì)越來(lái)越廣泛。但由于該研究方向需要掌握畜牧學(xué)、數(shù)學(xué)、信息科學(xué)等交叉學(xué)科領(lǐng)域的知識(shí),當(dāng)前國(guó)內(nèi)的研究尚處于起步階段,距離國(guó)外上世紀(jì)80~90 年代即開始的研究尚有一定差距。因此,該方面還需要更多感興趣的研究者持續(xù)貢獻(xiàn)智慧和力量,尤其是需要抓住大語(yǔ)言模型等新興技術(shù)的窗口期,爭(zhēng)取加快補(bǔ)足短板,實(shí)現(xiàn)彎道超車,為早日把我國(guó)建成畜牧業(yè)強(qiáng)國(guó)提供強(qiáng)有力的科技支撐。