第11屆營養創新與健康養殖大會

The 11th Nutrition Innovation and Healthy Breeding Conference

一、問題的提出

1、貿易戰引發蛋白飼料價格上漲，養豬業承壓

2、應對飼料成本上漲壓力的措施

《加快建設農業強國規劃（2024-2035年）》

（1）推動生豬產業高質量發展

（2）實施飼用豆粕減量替代行動，推廣低蛋白日糧技術

（3）推進糧食播種、收獲、儲運、加工、消費等全鏈條全環節節約減損

3、在飼養環節實施精準飼養是降低飼料消耗的重要抓手

“母豬節料增效精準飼養技術”2024推廣應用母豬達184萬頭

4、通過20年的研究，我們確立了母豬“抓妊娠帶泌乳”的全繁殖周期營養方案；建立了以調控妊娠期背膘和腸道菌群為目標的“母豬精準飼養技術”

母豬精準飼養技術“五步法”項目實施方案：性能和膘情診斷、日糧配方優化、動態精準飼喂、效果實時跟蹤、結果數據呈現

5、母豬精準飼養技術顯著降低了妊娠母豬胎均好料，顯著提升母豬PSY

母豬胎均飼料消耗量平均降低35kg，降低年均耗料量約80kg

母豬PSY提高平均1.3頭

全國4000萬頭母豬，每年可節約飼料320萬噸

可少養母豬270萬頭，每年節約飼料270萬噸

6、現代母豬繁殖性能大大提升，體重/體成分顯著改變

二、妊娠母豬營養需要的經典模型及存在的問題

1、妊娠母豬營養需要的構成

2、發布豬營養需要量的權威單位

法國INRA（2008）、美國（NRC）、中國國家標準（2021）

3、妊娠母豬營養能量需要預測模型

關鍵參數：

（1）能量利用效率：KP，K

（2）母豬體重：配種體重、分娩體重

（3）背膘厚：分娩背膘、配種背膘

（4）孕體重

4、IRNA和NRC預測母豬的分娩體重的方法-估計的是不同胎次分娩體重的平均值

IRNA：根據母豬日齡和體重建立威布爾方程來預測分娩母豬體重

NRC：根據預期體成分變化來估計體重

5、分娩背膘的估計方法

IRNA：分娩背膘是豬場歷史背膘和性能數據分析確定的每個胎次

NRC：根據每個胎次體成分變化來確定平均分娩背膘

IRNA和NRC在建立妊娠母豬營養需要量預測模型時，是基于各胎次的平均體重和平均背膘進行估計的，并未考慮各種動態因素的影響，只能估計群體的平均營養需要量，而不是估計每個個體的營養需要量。

三、妊娠母豬動態能量需要量模型的建立

（一）建立妊娠母豬動態營養需要優化模型的關鍵參數

1、在個體水平準確預測妊娠母豬能量需要量需要解決哪些關鍵問題？

（1）在妊娠母豬飼養中，可以在配種階段獲得配種體重和背膘厚

挑戰一：如何準確估計每頭母豬的分娩體重和分娩背膘？

（2）妊娠母豬營養需要量究竟是怎樣構成的？

挑戰二：

母豬在妊娠期體況的恢復規律是什么？

如何估計恢復生長的營養需要？

（3）動態滿足動物的營養需要應考慮哪些因素？

不同品種、不通過品系、不同組合、不同來源、不同胎次、不同體況、不同階段、不同季節

挑戰三：動態估計個體的營養需要量如何去實現？

（二）建立妊娠母豬動態營養需要優化模型的方法

1、優化的機理模型

2、機器學習模型

（三）營養需要模型建立/評估/驗證的技術路線

（四）基于機器學習預測母豬的分娩體重

1、在含有遺傳/不含遺傳的場景下預測分娩體重

2、包含/不包含能量攝入時預測分娩體重

（五）基于機器學習預測母豬妊娠期背膘厚

1、影響母豬健仔的特征重要性排序（分娩背膘厚最重要）

2、不同胎次母豬最佳產前背膘確定

（六）建立妊娠母豬能量需要量機器學習模型

1、基于10種機器學習方法預測母豬妊娠期能量需要量

2、能量需要最佳機器學習模型預測效果

（七）建立優化的妊娠母豬能量需要機理模型

1、建立妊娠體況恢復的能量需要回歸模型

2、建立包括妊娠體況恢復的優化的能量需要模型

四、妊娠母豬動態營養需要優化模型的評估與驗證

（一）妊娠母豬能量需要量優化模型的評估

INRA模型預測的能量需要量最高，比其它模型高1400-1600kcal/d；HZAU模型次之，ML模型最低，與實際攝入量接近。

模型預測準確性：機器學習模型（ML模型）＞華中農大機理模型（HZAU模型）＞INRA模型

（二）妊娠母豬能量需要量優化模型的試驗驗證

1、不同模型組母豬的產仔性能

無論總仔、活仔、健仔差異均不顯著

2、不同模型妊娠期的能量需要、飼喂量和飼喂成本

INRA模型預測的妊娠期能量需要量、妊娠期平均耗料和飼喂成本最高;ML模型最低

法系母豬應用HZAU模型和ML模型進一步降低妊娠期胎均耗料30kg，年均約70kg

全國4000萬頭母豬，在每年節約飼料320萬噸基礎上進一步節料280萬噸。

可少養母豬270萬頭，每年節約飼料270萬噸。合計870萬噸。

3、不同模型母豬分娩體重預測和實際值比較

（1）對照組和INRA模型預測的分娩體重比實測體重分別高15和11kg；HZAU和ML預測分娩體重和實測體重接近

（2）分娩體重MAPE比較：HZAU機理模型誤差最小，模型準確性高

4、不同模型對分娩背膘預測的準確性評估

（1）分娩背膘來看:均超過了16mm的上限，表明能量攝入量有進一步下降的空間

（2）分娩背膘的MAPE比較:HZAU機理模型的誤差最小:但模型準確性需要進一步提高

五、妊娠母豬動態營養需要智能預測系統的建立

軟著1:法系母豬能量需要智能預測系統V1.0

軟著2:法系母豬背膘智能預測系統V1.0

軟著3:法系母豬體重智能預測系統V1.0

軟著4:丹系母豬背膘、體重、能量需要智能預測系統V1.0

六、總結

1、影響妊娠母豬營養需要量的因素很多，包括遺傳背景(品種、品系和雜交組合)

胎次、妊娠階段、環境溫度。NRC和INRA推薦的營養需要量只能靜態地估計群體的平均需要量，不能動態地估計個體的需要量。

2、我們以大量的試驗數據為基礎，建立了優化的HZAU機理模型和機器學習模型

可以實現對每頭妊娠母豬營養需要量的動態估計。

3、隨著我們掌握的數據量的累積和增加，將進一步優化模型，提高模型的預測精度

4、母豬的精準飼養將從“多點測膘，動態調料”轉為“配種測膘稱重，預測決定喂量，分娩測膘驗證”，極大減少現場測膘工作量，并實現節料和增效。

主持人總結：彭老師從母豬的精準營養和精準飼喂五步法介紹了做好母豬精準營養的方法，而且如果做好的話，全國一年可以少養270萬頭母豬，節省270萬噸飼料；母豬體況恢復階段，包括喂多少對于母豬很關鍵；機器模型的建立、評估和預測能把精準營養向理論指導實踐。

特別致謝以下合作單位：

好實沃生物

ADM動物營養

湖南鑫美龍生物科技集團有限公司

深圳新天合生物科技有限公司

上海美農生物科技股份有限公司

湖北藍谷中微生物技術有限公司

山東金之谷生物科技有限公司

哈姆雷特蛋白

未米生物科技（青島）有限公司

河南金大眾生物工程有限公司

內蒙古海鄰科技發展有限公司

山東維高生物科技有限公司

湖南普菲克生物科技有限公司

IFF丹尼斯克動物營養與健康

山東維度農牧科技有限公司

浙江誠緣生物科技有限公司

內蒙古愛牧動物保健品有限公司

湖南中聯生物技術有限公司

路德生物環保科技股份有限公司

廣東大澤農生物科技股份有限公司

溫州偉斯包裝供應鏈有限公司

頤和論壇2025現場回顧

好飼料·第13季啟動儀式