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。

1 豬精準(zhǔn)營(yíng)養(yǎng)數(shù)學(xué)模型的研究進(jìn)展和未來(lái)展望

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。

2 有豆粕替代潛力的原料有效養(yǎng)分評(píng)價(jià)及動(dòng)態(tài)預(yù)測(cè)模型研究進(jìn)展和未來(lái)展望

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。

2.1 菜籽餅粕

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）。

2.2 棉籽餅粕

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）。

2.3 花生餅粕

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）。

2.4 葵花籽粕

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）。

2.5 玉米加工副產(chǎn)物

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）。

2.6 玉米干酒糟及其可溶物（玉米DDGS）

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）。

2.7 亞麻餅粕

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）。

2.8 其他非常規(guī)蛋白原料

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)。

3 豬精準(zhǔn)營(yíng)養(yǎng)配方系統(tǒng)的研究進(jìn)展和未來(lái)展望

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。

4 小結(jié)與展望

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。