作者簡介：齊勝利（1965－ ），男，副教授，研究方向為動物營養(yǎng)與飼料加工；E-mail：qishengli@163.com

摘? 要：顆粒飼料在畜牧生產(chǎn)中起著越來越重要的作用，其質(zhì)量直接影響飼料中營養(yǎng)成分的有效性和產(chǎn)品的商品性能。近年來顆粒飼料質(zhì)量的精準控制成為研究的熱點之一。通過顆粒飼料質(zhì)量預測來實現(xiàn)顆粒飼料質(zhì)量的精準控制是一種科學有效的方法。本文通過分析各種顆粒飼料質(zhì)量的預測方法，結合顆粒飼料的生產(chǎn)技術，為顆粒飼料質(zhì)量的精準控制提出了建議。

關鍵詞：顆粒飼料；質(zhì)量預測；質(zhì)量控制；精準控制

中圖分類號：S816.9 文獻標志碼：A ? ? ? ?文章編號：1001-0769（2024）02-0106-04

隨著我國飼料工業(yè)的發(fā)展，顆粒飼料在畜牧生產(chǎn)中占據(jù)越來越重要的地位。實際生產(chǎn)中，雖飼料配方和加工工藝參數(shù)相同，但飼料原料特性的不同會導致顆粒飼料質(zhì)量有差異。同一條生產(chǎn)線對相同配方的飼料采用不同的工藝參數(shù)，也會引起顆粒飼料質(zhì)量的變化。因此，對飼料廠來說，控制顆粒飼料的質(zhì)量非常重要，直接影響飼料中營養(yǎng)成分的有效性和產(chǎn)品的商品性能，進而影響動物生產(chǎn)性能的發(fā)揮。顆粒飼料質(zhì)量受多種因素的影響，是多因素綜合作用的結果，需要全面考慮，科學控制。

在加工前預測顆粒飼料的質(zhì)量，并有針對性地調(diào)整飼料配方和各種加工工藝參數(shù)對顆粒飼料質(zhì)量的精準控制是科學有效的。研究人員對顆粒飼料質(zhì)量的預測方法進行了諸多研究，為顆粒飼料質(zhì)量的精準控制提供了可能。

1? 顆粒飼料質(zhì)量的預測方法

質(zhì)量預測是指在加工領域中，通過一定的模型與方法將加工前可調(diào)整、控制或監(jiān)測的參數(shù)與加工后的產(chǎn)品質(zhì)量進行聯(lián)系，從而在實際生產(chǎn)前對產(chǎn)品質(zhì)量進行一定程度的估計和預測[1]。近些年，質(zhì)量預測技術發(fā)展速度很快，有關飼料加工過程的預測技術研究也越來越多。目前，國內(nèi)外對顆粒飼料質(zhì)量的預測方法有以下幾種。

1.1 顆粒飼料質(zhì)量因子法

飼料原料的不同特性對制粒效果有不同的影響。1991年，英國Borregaard公司根據(jù)飼料原料的營養(yǎng)成分和制粒特性設定了原料的顆粒質(zhì)量因子（pellet quality factor，PQF）[2]。PQF是賦予每種原料的分值，分值越大表示越易制粒。例如，小麥面粉易于制粒，PQF為8；油脂不利于顆粒質(zhì)量的提高，PQF為－40。常見飼料原料的PQF見表1。

生產(chǎn)中，根據(jù)飼料配方的配比可計算出飼料顆粒質(zhì)量因子（feed pellet quality factor，F(xiàn)PQF）[3]，從而在制粒前對顆粒飼料的質(zhì)量進行預測，其計算公式如下：

FPQF=PQF1×η1+PQF2×η2+PQF3×η3+……+PQFn×ηn

式中，PQF為原料的顆粒質(zhì)量因子；η為飼料配方中不同原料的質(zhì)量分數(shù)。

1.2 最小二乘法支持向量機算法

支持向量機是基于統(tǒng)計學理論的一種具有嚴格數(shù)學理論基礎和直觀集合解釋的新型機器學習方法，在樣本數(shù)量有限、非線性及高維度問題解決中具有優(yōu)勢[4]。其應用較成功的是最小二乘法支持向量機算法。段宇[5]以原料的含水量和壓力作為輸入指標，顆粒的密度和壓縮比（壓縮前后的密度之比）作為輸出指標，建立了支持向量機模型，并用該模型擬合了生物質(zhì)的壓縮成型過程。結果表明，該模型對生物質(zhì)壓縮成型的過程特性具有較好的模擬預測作用。

1.3 經(jīng)典數(shù)學建模方法

經(jīng)典數(shù)學建模方法也可對成型顆粒的成分、熱值和耐久性等質(zhì)量指標進行預測。

Gillespie等[6]應用多元線性回歸法和偏最小二乘法預測了生物質(zhì)混合物顆粒質(zhì)量，結果顯示，對于草本和木本生物質(zhì)原料，用偏最小二乘法預測的顆粒水分、碳含量、灰分含量和總熱值，與實際值相比，相關系數(shù)為0.78～0.94。另外，采用多元線性回歸法預測的顆粒總熱值和耐久性，與實際值相比，相關系數(shù)分別為0.94和0.99[7]。以上結果表明，工業(yè)分析、元素分析和近紅外光譜分析結合經(jīng)典數(shù)學建模方法，具有預測生物質(zhì)顆粒質(zhì)量的潛力。

1.4 響應面分析法

響應面分析法可通過多元二次方程擬合試驗因素與響應值之間的函數(shù)關系，通過對回歸方程的分析尋求最優(yōu)工藝參數(shù)，是解決多變量問題的一種統(tǒng)計方法。該方法的優(yōu)點是精度高、預測性好。

宋欣等[8]通過應用響應面分析法，以飼料顆粒密度為響應值，以環(huán)模的壓縮比（?？子行чL度與直徑之比）和壓制速度為影響因子建立了壓制魚類顆粒飼料的預測模型。該試驗擬合了飼料顆粒密度的二階響應面回歸模型，并通過模型分析了因子單一作用和交互作用下對飼料顆粒密度的影響。該模型可用于飼料顆粒密度的預測、成型設備主要結構參數(shù)優(yōu)化和工藝方案的選擇，具有一定的應用價值。

1.5 人工神經(jīng)網(wǎng)絡算法

人工神經(jīng)網(wǎng)絡算法是一種模擬人腦神經(jīng)信息傳遞方式而建立起來的人工智能方法，是一種分布式并行處理系統(tǒng)，處理結果以權值形式分布存儲在矩陣中。其中誤差反向傳播算法神經(jīng)網(wǎng)絡（back propagation neural network，BPNN）是人工神經(jīng)網(wǎng)絡中常用的一種算法。BPNN算法能夠?qū)崿F(xiàn)任意非線性輸入輸出的映射關系，具有自我學習的功能，對于未發(fā)生事件的預測具有重要的意義。

王紅英等[9]利用數(shù)學軟件MATLAB（Matrix Laboratory）中的Neural Network Toolbox模塊建立了基于BPNN算法的哺乳仔豬料顆粒質(zhì)量的預測模型及加工參數(shù)多目標優(yōu)化方法。該模型以原料的粉碎粒度、淀粉糊化度和膨化度等特性參數(shù)以及制粒機喂料速度、調(diào)質(zhì)溫度和電流等工藝參數(shù)作為輸入，以顆粒淀粉糊化度和最終產(chǎn)品的水分含量作為顆粒質(zhì)量的指標，結果表明，基于BPNN算法的該模型實現(xiàn)了對顆粒質(zhì)量的準確預測。

2? 顆粒飼料質(zhì)量的精準控制

通過顆粒飼料質(zhì)量預測有針對性地調(diào)整飼料配方和加工工藝參數(shù)，可實現(xiàn)對顆粒飼料質(zhì)量的精準控制。

2.1 根據(jù)飼料顆粒質(zhì)量因子法預測和控制顆粒飼料質(zhì)量

一般來說，顆粒飼料配方的FPQF＜5.00，會引起顆粒飼料的質(zhì)量問題，F(xiàn)PQF＜4.70，則會導致嚴重的質(zhì)量問題。因此，制粒時，如果FPQF≥5.00，可判定顆粒飼料質(zhì)量不合格是加工工藝參數(shù)不當引起的；如果FPQF＜4.70，則要對飼料配方進行調(diào)整。

表2為某魚類飼料配方的設計，可以看出該飼料原配方的FPQF為4.54（低于5.00），因此，應對飼料配方做適當?shù)恼{(diào)整，使FPQF≥5.00，以提高顆粒飼料的質(zhì)量。

這種方法簡單，計算方便，通過調(diào)整飼料配方可實現(xiàn)對顆粒質(zhì)量的精準控制。但是，原料的限制會影響配方調(diào)整時的可操作性，且PQF由人為規(guī)定，難免帶有一定的片面性。

2.2 根據(jù)BPNN算法預測和控制顆粒飼料質(zhì)量

影響顆粒飼料質(zhì)量的物理特性、配方組成、工藝參數(shù)等變量之間有一定的隨機性和非線性特征，BPNN算法可較好地解決一些線性模型在表達各變量間非線性關系時受到的局限。

通過輸入飼料配方、粉碎機的篩片孔徑、模孔直徑、環(huán)模長徑比、調(diào)質(zhì)溫度、主原料比例等參數(shù)，根據(jù)BPNN算法建立的模型可精準控制顆粒飼料的含粉率、生產(chǎn)率和耐久性等。有研究顯示，根據(jù)某飼料廠實際生產(chǎn)數(shù)據(jù)，BPNN算法對各加工參數(shù)進行了優(yōu)化，當環(huán)模長徑比為7︰1、? ? ??？字睆綖?.0 mm、粉碎機篩片孔徑分別為? 2.0 mm和1.5 mm、調(diào)質(zhì)溫度為76.2 ℃時，生產(chǎn)率、顆粒耐久性分別提高了22.04％和6.04％。

目前，通過BPNN算法實現(xiàn)對顆粒質(zhì)量的精準控制處于應用研究階段，有部分飼料廠已將軟件固化到制粒機上，方便在生產(chǎn)中應用。

2.3 根據(jù)其他方法預測和控制顆粒飼料質(zhì)量

通過最小二乘法支持向量機算法預測和控制顆粒飼料質(zhì)量，先要進行建模訓練，然后通過輸入制粒工藝參數(shù)（如輸入原料含水率和壓力等）進行顆粒飼料的質(zhì)量預測，但如何控制顆粒飼料的耐久性、硬度和含粉率等指標還需進一步研究。

經(jīng)典數(shù)學建模方法可精準控制顆粒飼料中營養(yǎng)成分含量，但預測和控制顆粒飼料的耐久性時，不同飼料原料的物理特性會影響其準確性。

響應面分析法可以根據(jù)制粒工藝參數(shù)或原料因素確定出特定顆粒密度所需的壓縮比和壓制速度，從而優(yōu)化制粒工藝參數(shù)，實現(xiàn)對顆粒飼料密度的精準控制。

3? 顆粒飼料質(zhì)量精準控制的前景

隨著顆粒飼料加工技術的提高，特別是目前工業(yè)自動化和人工智能技術的應用，顆粒飼料質(zhì)量預測技術會成為顆粒質(zhì)量精準控制的有效手段。在未來的發(fā)展中，結合動物的精準飼養(yǎng)，顆粒飼料質(zhì)量的精準控制在實際生產(chǎn)中將會大大提高生產(chǎn)效率與應用效果。

參考文獻

[1] 王紅英，陳嘯，楊潔，等．數(shù)學模型與方法在顆粒成型質(zhì)量預測領域的研究進展[J]．飼料工業(yè)，2015，36（23）：2-10.

[2] 陳家才．顆粒飼料質(zhì)量和生產(chǎn)效率的預計[J]．糧食與飼料工業(yè)，2005（1）：31-33.

[3] 韓浩月．優(yōu)質(zhì)的飼料顆粒是否有意義[J]．國外畜牧學（豬與禽），2018，38（7）：87-88.

[4] 夏銘澤，石春鵬，劉征宇，等．產(chǎn)品生產(chǎn)過程中的質(zhì)量預測辦法的研究[J]．制造業(yè)自動化，2020，42（4）：147-149.

[5] 段宇．生物質(zhì)料物理壓縮成型參數(shù)優(yōu)化研究[D]．保定：華北電力大學，2009.

[6] GILLESPIE G D，EVERARD C D，F(xiàn)AGAN C C，et al．Prediction of quality parameters of biomass pellets from proximate and ultimate analysis[J]．Fuel，2013，111（9）：771-777.

[7] GILLESPIE G D，EVERARD C D，MCDONNELL K P．Prediction of biomass pellet quality indices using near infrared spectroscopy[J]．Energy，2015，80（2）：582-588.

[8] 宋欣，李艷聰，萬志生，等．基于響應面法的魚類飼料顆粒密度預測模型研究[J]．飼料工業(yè)，2015，36（3）：27-31.

[9] 王紅英，宋春風．基于BP神經(jīng)網(wǎng)絡的飼料產(chǎn)品品質(zhì)預測方法[J]．飼料工業(yè)，2011，32（11）：1-5.