Welcome to Smart Agriculture 中文
Topic--Smart Animal Husbandry Key Technologies and Equipment

Development of China Feed Nutrition Big Data Analysis Platform

  • XIONG Benhai , 1 ,
  • ZHAO Yiguang 1 ,
  • LUO Qingyao 1 ,
  • ZHENG Shanshan 1 ,
  • GAO Huajie 2
Expand
  • 1. State Key Laboratory of Animal Nutrition, Institute of Animal Sciences/China Feed Database Information Network Center, Chinese Academy of Agricultural Sciences, Beijing 100193, China
  • 2. Beijing DaBeiNong Technology Group Co. , Ltd. , Beijing 100080, China

Received date: 2022-05-09

  Online published: 2022-07-13

Highlights

The shortage of feed grain is continually worsening in China, which leads to the transformation of feed grain security into national food security. Therefore, comprehensively integrating the basic data resources of feed nutrition and improving the nutritional value of all available feed resources will be one of the key technical strategies to ensure national food security in China. In this study, based on the description specification and attribute data standard of 16 categories of Chinese feed raw materials, more than 500,000 pieces of data on the types, spatial distribution, chemical composition and nutritional value characteristics of existing feed resources, which were accumulated through previous projects from the sixth Five-Year Plan to the thirteenth Five-Year Plan period, were digitally collected, recorded, categorized and comprehensively analyzed. By using MySQL relational database technology and PHP program, a new generation of feed nutrition big data online platform (http://www.chinafeeddata.org.cn/) was developed and web data sharing service was provided as well. First of all, the online platform provided visual analysis of all warehousing data, which could realize the visual comparison of a single or multiple feed nutrients in various graphic forms such as scatter diagram, histogram, curve line and column chart. By using two-dimensional code technology, all feed nutrition attribute data and feed entity sample traceability data could be shared and downloaded remotely in real-time on mobile phones. Secondly, the online platform also incorporated various regression models for prediction of feed effective nutrient values using readily available feed chemical composition in the datasets, providing dynamic analysis for feed raw material nutrient variation. Finally, based on Geographic Information System technology, the online platform integrated the data of feed chemical composition and major mineral element concentrations with their geographical location information, which was able to provide the distribution query and comparative analysis of the geographic information map of the feed raw material nutrition data at both provincial and national level. Meanwhile, the online platform can also provide a download service of the various datasets, which brought convenience to the comprehensive application of existing feed nutrition data. This research also showed that expanding feed resource data and providing prediction and analysis models of feed effective nutrients could maximize the utilization of the existing feed nutrition data. After embedding online calculation modules of various feed formulation software, this platform would be able to provide a one-stop service and optimize the utilization of the feed nutrition data.

Cite this article

XIONG Benhai , ZHAO Yiguang , LUO Qingyao , ZHENG Shanshan , GAO Huajie . Development of China Feed Nutrition Big Data Analysis Platform[J]. Smart Agriculture, 2022 , 4(2) : 110 -120 . DOI: 10.12133/j.smartag.SA202205003

1 引 言

中国是世界第一饲料生产大国。2020年,中国是全球饲料产量占比最高的国家,达20.21%。其中工业饲料产量为2.53亿吨,同比2019年增长10.4%1。但是,随着中国规模化养殖业的发展,满足工业饲料加工所需的饲料原料缺口正不断扩大。以2021年为例,中国进口粮食总量达1.65亿吨,其中大豆进口总量达9652吨,玉米、小麦、大麦及高粱的进口亦增加到2835万、977万、1248万及942万吨,同比2020年分别增加152.3%、16.6%、54.5%及96%。同时,进口鱼粉182.3万吨2,进口各种蛋白杂粕包括葵花籽粕、菜籽粕、棕榈仁粕、椰子仁粕及少量豆粕等达500万吨以上。此外,还有油菜籽、芝麻、亚麻籽等。这些进口原料加工后的副产品都可作为饲料原料。能量饲料玉米自2020年以来缺口逐渐扩大,特别是2021年进口量上升到近3000万吨3。中国饲料粮安全问题正逐步转化为国家粮食安全问题。饲料用粮和工业用粮总量持续增长,占粮食总消费量的比重不断提高,其中饲料用粮占粮食总产量的比重已由20世纪50年代的20%上升到当前的40%,预测到2030年这一比例将达到56.5%,超过粮食总消耗量的一半1,将更加凸显中国粮食安全问题。
畜牧养殖业对粮食的硬性需求导致的缺口增加,全面推动了主要饲料原料玉米及大豆粕价格的快速上涨。面对世界能源问题及供应链不畅等挑战,一方面从宏观上布局调整中国“粮经饲”三元种植结构,将饲料作物的种植计划靠前部署;另一方面从微观上广辟饲料资源,利用一切可以利用的饲料原料,并通过饲料营养价值的精准评定、养分的充分挖掘及饲料配方的优化设计,提高饲料资源的利用价值,最终从宏观和微观角度全面保障中国今后一段时期内饲料粮安全。
中国饲料营养大数据分析平台始建于20世纪80年代,主要用于收集、整理并补测、补遗不断出现的新的饲料原料类型及主要养分,不断完善中国饲料营养数据资源。平台主要为饲料科学数据的升值利用提供服务,尤其为饲料配方的优化计算和饲料新产品的研发提供科技支撑,为各类大宗饲料原料以及尚构不成商品的非常规饲料资源的科学合理利用提供基础数据,缓解了中国饲料资源不断出现的缺口,受到行业的一致认可。中国饲料营养大数据分析平台的使命就是做好饲料营养数据的深层次挖掘和利用,可视化、多维度分析来自中国不同地域、不同类型的饲料原料及不同饲料养分的盈缺规律,为区域饲料资源的调度及饲料配方的优化设计提供大数据分析平台。

2 数据准备及来源

中国饲料营养大数据分析平台以中国饲料数据库情报网中心的门户网站www.chinafeeddata.org.cn旧版数据为基础进行建设,数据来源包括国内饲料营养数据和国际饲料营养数据。其中国内饲料营养数据主要来源于从“六五”期间开始积累的饲料营养价值评定数据。以1983年国务院“电子计算机和大规模集成电路领导小组”下达并由原中国农业科学院畜牧研究所与原北京农业大学畜牧系共同主持的《畜禽饲料数据库及筛选猪、鸡最佳饲料配方技术的研究》研究课题(65-3-13)为起点;“七五”期间,通过国家科技攻关项目“中国饲料数据库软件开发(75-05-05-05)”建立了“中国饲料数据库”;1989年由当时农业部批准在中国农业科学院启动中国饲料数据库情报网中心工作后,每年收集、整理并补测、补遗典型饲料样品数据,不断完善已经发布的饲料成分表,包括最常用的畜禽饲料的概略养分及有效营养成分,以及针对不同畜禽的氨基酸消化率或经过校正的表观回肠利用率等数据,从1990年至2021年已连续发布了32版《中国饲料成分及营养价值表》4-6;“十三五”期间,又增加了国家科技基础性项目——中国主要畜禽饲料资源分布调查及数据库构建(2014FY111000)7相关研究成果,包括覆盖中国31个省份的40种典型饲料原料,总共4047种(次)饲料样品的空间属性(所在县市、经度、纬度等)数据、概略养分及主要矿物元素含量数据等共约5万条记录。国际饲料营养数据来源主要参考了美国、日本、巴西、法国、俄罗斯等国家及知名饲料营养公司,如DEGUSSA、CVB等发布的饲料营养数据。
综合以上,本研究涉及总的数据记录达50万条左右,数据项达600万个以上。在数据制定标准和规范方面,突破了国际上8大类饲料原料分类的局限性,在每一类饲料原料单个营养成分特性或多个营养成分组合特性的基础上,进一步细分出16个亚类,按国际都柏林核心元数据(Dublin Core Element)标准,制定了16类中国饲料原料描述规范,形成了独具特色的中国饲料原料分类法,突破了因中国饲料种类和加工工艺复杂造成的饲料养分数字化描述与分类建库管理的技术瓶颈。通过综合考虑饲料原料的有效能值、可消化和可代谢蛋白质、氨基酸及矿物质的评价方法及评价指标的演进,制定了16类中国饲料原料属性数据标准。

3 平台研发路线及关键技术

3.1 平台研发主要挑战

一是在数据加工方面,饲料原料营养成分数据受到产地、品种、加工条件和储存工艺等诸多因素的影响,在建设和使用中国饲料营养大数据分析平台时均需要准确体现数据的来源和背景。除从作者研究团队所主持项目获得数据外,还需大量收集、数字化整理相关文献中有关饲料资源的营养数据,增加相同品种及相同特性参数的样本量,不断扩充数据资源建设,拓展数据平台的基础数据量,使数据更有代表性与参考价值。
二是在技术开发方面,需要深度挖掘饲料原料营养成分之间的相关性。饲料原料营养价值存在变异,平台中的数据是大量饲料原料样品的算数平均值,因此需要建立饲料原料营养价值的动态模型,根据饲料原料的概略养分数据,推测出需要开展动物饲养试验才能获得的有效养分数据,并将这些模型嵌入到平台建设中。
三是在数据安全维护方面,一方面用于平台建设的海量数据存储系统需能够提供高级别的数据保护并支持容灾功能。另一方面需研究饲料营养大数据平台的安全管理与共享技术,严格制定网络数据及档案数据的保密目录、期限、层级及解密的条件,确保数据的发布与共享符合国家相关要求。

3.2 平台研发技术路线

图1所示,饲料营养大数据分析平台的研发是以饲料营养数据的数字化整理为切入点,按结构化数据库的构建方法建立网络数据库,将不同营养属性的数据项分别储存在不同的数据表中。例如,饲料采样描述数据表、饲料概略养分数据表、饲料蛋白质及氨基酸数据表、饲料氨基酸利用率数据库表、饲料微量元素及维生素数据表等。此外,因饲用对象不同而交叉构成针对不同畜禽的饲料营养数据库/表。每个数据库由数量不等的数据表组成,以形成“轻便”型数据库。
图1 饲料营养大数据分析平台研发技术路线

Fig. 1 Technical route of China feed nutrition big data analysis platform

与饲料营养数据库构建对应的是用于数据分析模型库构建、可视化分析及地理信息系统(Geographic Information System,GIS)分析工具模块开发,以及数据结构或中间件的设计。基于构建的数据库/表及数据结构或中间件,可在线开展针对养分数据及其组合的可视化分析与输出、饲料养分及其组合的GIS图谱分析等,从而构成中国饲料营养基础数据的大数据分析平台,更好地满足数据用户对数据深度分析的需求。

3.3 平台总体架构

图2所示,平台总体架构包括饲料营养属性数据数字化和饲料样品空间数据数字化两大部分。其中饲料营养属性数据数字化架构包括属性数据标引、属性数据数字化、属性数据入库及属性数据可视化。另一方面,饲料样品空间数据数字化架构包括空间数据标引、空间数据数字化、空间数据过滤及空间数据入库。平台通过提供所有入库数据的可视化分析和比对,利用GIS分析技术将饲料养分查询和空间分布查询同步融合,最终可实现饲料种类或品种的全国地理信息专题图分析,指定饲料全国地理信息专题图分析,指定省份全饲料种类地理信息专题图分析和指定省份指定饲料种类地理信息专题图分析。
图2 中国饲料营养大数据分析平台架构图

Fig. 2 Architecture diagram of China feed nutrition big data platform

3.4 平台建设的关键技术

该大数据分析平台主要管理具有可描述的以数字型数据为主的饲料养分数据。
(1)数据管理方法。大数据分析平台数据库设计采用了MySQL8.0.28中文版网络数据库。该数据库中提供了多种数据库存储引擎,适用于不同的应用场合,用户可以选择合适的引擎以得到高性能服务体验,且支持多种目前流行的程序设计语言,包括C、C++、Java、Perl、PHP等。平台开发采用PHP语言,该语言是一种通用开源脚本语言,吸收了C语言、Java和Perl的优点,利于学习,使用广泛,主要适用于Web数据库开发领域,与数据库的接入性能优越,管理高效。
(2)数据分析方法。首先是原始数据的直接可视化对比法。例如,同一饲料不同类别下不同养分的对比,如饲料的概略养分图谱、蛋白质及氨基酸图谱、氨基酸利用率图谱和矿物元素图谱等,表现形式有曲线、直方图和柱形图等。通过可视化对比,可直观地反应出同种饲料原料营养成分数据因产地、品种、加工条件和储存工艺的不同而造成的影响。其次为模型分析法,主要是通过已知养分去预测未知养分。采用的典型模型有多元线性回归模型、单因素正交多项式回归模型等。这些方法是大样本多元数据分析的主要方式。由此建立的动态模型,可有效预测饲料原料营养价值中存在的变异,尤其是可提供有效养分数据而不仅仅是属性描述数据,推动了数据的升值化利用。
(3)数据查询方法。首先面向数据平台全局查询的方法是全文检索法,可实现对检索数据库全记录内容的全覆盖检索,包括字符、中文及数据等。其次是二维码查询技术,便于推送转移查询到的数据、文字及图片;三是基于GIS技术的查询8,主要实现将指定饲料的属性数据与对应的空间位置数据融合,实现数据特性的空间分布查询,获得各种不同类型的专题图。例如,全国玉米、小麦、大豆等某指定养分盈缺特性空间分布图等。
(4)GIS分析平台支撑系统。该系统以“百度专网地图(Du Geographic Information System,DUGIS)”中的WEB GIS模块为基础8。该系统在时空数据服务、空间可视化分析服务、数据管理等方面具有明显优势,可满足饲料营养大数据空间分析,尤其可为饲料样本营养成分的空间分布属性及特定养分的盈缺规律分析提供技术支撑。
(5)数据的二维码转换技术。采用快速反应(Quick Response,QR)码技术,它除具有比一维条码及其它二维条码所具有的信息容量大、可靠性高、可表示汉字及图象等多种文字、保密防伪性强等优点外,还具有超高速识读及全方位识读等特点9,可满足饲料成分及图谱的识别与溯源。在便利化数据共享及下载方式的同时,可分类、分级限定发布及分享的内容,为饲料营养大数据平台的安全管理提供可靠技术保障。

4 平台主要功能

首先,平台提供了所有入库饲料养分数据的可视化分析,可实现单个或多个饲料多种养分、多种图形模式的直观比对。同时,通过二维码提供了所有饲料营养属性数据及饲料实体样本溯源图片的移动端实时分享与下载。其次,平台构建了通过已知饲料概略养分在线预测其他有效养分的回归模型,为饲料原料养分变异提供动态分析。最后,平台基于GIS技术,将饲料概略养分和主要矿物元素含量数据与其所处的地理位置分布相结合,实现了饲料营养数据地理信息的分布查询及对比分析。

4.1 饲料养分的在线可视化分析

4.1.1 单个或多个饲料养分含量的图谱分析

图3所示为选取单个饲料——玉米的氨基酸组成图谱在线分析,可一目了然地判断单个氨基酸的盈缺规律,同时获得的图形既可以以文件方式下载,也可以扫描下方的二维码将图片转移到手机上贮存,方便用户分享图谱。此外,也可以同时选取多个饲料并指定多个养分进行比较分析。如图4所示,指定了4种饲料原料(玉米、膨化玉米、小麦及黑麦)6种氨基酸的猪表观回肠消化率(Standardized Ileal Digestibility of Amino Acids,SIAA)数据的对比,输出的图形模式可事先选择折线图、柱形图等。依此类推,可开展其他养分的多个饲料的各类比较分析。
图3 单个饲料(玉米)指定系列养分(氨基酸)指标的图谱动态分析

Fig. 3 Dynamic analysis of several specified nutrients (amino acids) in a single feed (corn)

图4 多个饲料指定系列养分指标的图谱动态分析

注:以猪饲料氨基酸标准回肠消化率为例

Fig.4 Dynamic analysis of multiple specified nutrients in several feeds

4.1.2 基于二维码的属性数据及溯源查询

基于饲料样本的采集场景图片与测试数据,本研究构建了基于二维码的数据及图片查询系统,便于对样品来源的养分数据查询与溯源,方便随时调用。系统为每个饲料样本生成了对应的二维码,通过二维码与后台数据库互联互通,一旦数据库中数据修改或追加后,通过扫描如图5所示的二维码,即可调用包括图片的饲料属性数据进入手机移动端。
图5 饲料样本属性数据二维码查询

Fig. 5 Feed (corn) characteristic data queried by QR code

4.1.3 主要饲料原料养分变异动态分析

图6展示了饲料数据库中163个大豆粕样品中粗蛋白及粗纤维的动态变异分析。其中包括了美国国家研究委员会(National Research Council,NRC)2012年发布的《猪营养需要量》10中的大豆粕数据及法国国家农业科学研究院(Institut National de la Recherche Agronomique,INRA)2008年发布的“饲料成分及营养价值表”11中的数据。图6较好地反映了随大豆品种及其加工浸提及去皮技术的提升,粗蛋白含量稳步提升,最高值达到48%左右。相对而言,粗纤维的含量波动较大,但主要集中在6.5%左右,按统计学分析处理后,营养成分表中的粗纤维数据以图6中绿色圆点所代表的算数平均值发布7
图6 豆粕饲料中蛋白质及粗纤维含量的变异分析

Fig. 6 Variation analysis of protein and crude fiber concentrations in soybean meal

图7为5种磷酸盐(磷酸二钙、磷酸氢钙、脱氟磷酸三钙、磷酸一钙和磷酸三钙)的钙磷含量在不同批次间的差异分布。可见批次不同,钙磷含量差异范围较大。因此在确定使用相关数据时,必须以检测数据为基础,否则纳入配方计算的误差较大,将影响日粮中真实钙磷含量及钙磷比。
图7 五种磷酸盐不同批次间的钙磷含量分析

Fig. 7 Analysis of calcium and phosphorus concentrations in different batches of five phosphates

4.1.4 通过已知养分在线获得预测其他养分的回归模型

基于数据库中的大量样本数据,以预测谷实类即饲料数据库中以“407”编号打头的饲料中赖氨酸(Lys)为目标,选用样品中的粗蛋白(Crude Protein,CP)含量为唯一自变量,获得的可用样品数达481个,所有数据经回归统计分析,结果如图8所示。通过线性回归获得的模型如公式(1)所示:
Lys(%)=0.159+0.017×CP(%)
图8 基于谷实类饲料中蛋白质含量预测赖氨酸含量

Fig.8 Prediction of lysine content based on protein content in grain feed

n = 481, R 2 = 0.58, RSD = 0.025,P < 0.01
回归分析表明,模型总体上收敛于线性关系(P< 0.01),但相关系数不是很高(R 2 = 0.58),究其原因是大样本量选用所有谷实类饲料前提下,Lys含量的离散性较大。如果按谷实类饲料中的具体饲料类型分类处理,例如分别按玉米、小麦、大麦、高粱及以它们作为原料获得的加工副产品,其离散程度可得到明显的改善。在潘晓花等12的研究中已证实,通过这样分类处理后,分类预测饲料中的能值,模型的回归效果得到显著提高。

4.2 饲料养分空间属性数据的地理信息图谱与分析

4.2.1 饲料概略养分空间属性数据分析

本研究纳入可视化GIS分析的饲料样品及分布的区域如图9所示,共涉及分布在31个省份的40种畜禽常用饲料。数据主要来源于科技部科技基础性工作专项项目“我国主要畜禽饲料资源及其矿物元素含量与分布调查”(2014FY111000)研究成果。数据经数字化处理后,全部网络化录入中国饲料营养大数据分析平台。
图9 饲料原料类型及饲料样品空间布局

Fig. 9 Feed raw material types and collecting locations

图9所示,选取全部饲料原料及省份,将获得4003套饲料样品的概略养分含量数据,主要包括干物质、粗蛋白、粗脂肪、粗纤维、粗灰分以及无氮浸出物,获得全国的饲料概略养分空间属性地理信息图。如仅选择一个省份,如四川省,勾选所有的饲料类型,即得到指定省份的饲料概略养分地理信息图,以便在同一省份内进行不同饲料类型的养分规律比较与分析。如图10所示,图中所展示的丰富的图谱信息是结构性数据库所不能表达的。图中用不同颜色及深浅显示的圆圈代表不同的饲料样本及采样位置(以具体的经纬度为准),还可显示相同位置及相同饲料类型但不同样本数的情形。如图10上方是以点选图中四川省眉山市仁寿县为例,平台自动弹窗显示的所在的新疆塔城市有2个玉米菜籽粕样本的概略养分含量数据。此外,利用GIS的空间属性特征,可以方便查看不同区域不同饲料种类的数据,也可以通过“数据视图”模块快速浏览所有饲料样本的所有概略养分数据,亦可以查询平台中40种典型饲料中的任意一种饲料原料的相关结果,从而给基于饲料空间分布的饲料属性数据的快速查询、比对及可视化宏观分析带来便利。
图10 指定省份(四川省)所有饲料概略养分地理信息分析图

注:平台中地图来源于百度专网地图

Fig. 10 Geographic information map analysis of all feed nutrients in a selected province (Sichuan)

相反地,如果在图9中仅选单个饲料,如玉米,选全部省份,即得到玉米全部1163个样本的全国地理信息属性图,以便对玉米的养分特性在不同经纬度或地域的盈缺规律进行比较。因此,可通过选用不同的饲料类型及不同的采样区域,进行不同组合的饲料养分与空间属性(地理位置)的可视化分析,即可自由获得不同的专题地理信息图及不同饲料样品养分特性的对比分析结果。

4.2.2 饲料样品中主要矿物元素的空间属性数据地理信息图谱与分析

图9所示类似,在饲料样品主要矿物元素选项下,如果选取全部饲料原料及所有省份,将获得4037套饲料样品的主要矿物元素含量数据,并由此获得全国饲料主要矿物元素含量与空间属性地理信息图。如仅选一个省份,如河南省,勾选所有的饲料,即得到指定省份,如河南省244个不同饲料样本主要矿物元素含量的地理信息分析图(图11),便于在同一省份针对不同饲料类型的矿物元素含量规律进行比较。同样地,图中用不同颜色及深浅显示的圆圈代表不同的饲料样本及采样位置(主要以县市为基础)。如图11上方是以点选图中河南省洛阳市嵩县为例,平台自动弹窗显示的小麦样本的主要矿物元素含量数据。相反地,在图9中如果仅选单个饲料,如玉米,选全部省份,即得到玉米全部1163个样本的主要矿物元素含量地理信息图,便于对玉米的主要矿物元素含量在不同经纬度或地域的盈缺规律进行比较。此外,利用GIS的空间属性特征,可以方便查看不同区域不同饲料种类的主要矿物元素数据。通过“数据视图”模块可快速浏览所有饲料样本的所有主要矿物元素即钙、磷、钠、镁、铜、铁、锰、锌、硒、铬、铅、砷等含量数据,亦可以查询平台中40种典型饲料中的任意一种饲料原料的相关结果,为基于饲料空间分布的饲料主要矿物元素数据的快速查询、比对及可视化宏观分析带来便利。
图11 选定省份(河南)的244个饲料样本中主要矿物元素含量地理信息分析图

注:平台中地图来源于百度专网地图

Fig.11 Geographic information map analysis of main mineral elements in 244 feed samples from a selected province (Henan)

上述基于网络数据库及GIS技术的饲料养分快速查询及数据分析对比,不仅给数据使用者带来便利,也便于数据的下载与共享,但对数据深层次统计分析与挖掘,还需要开展专门的微观研究。在此方面已有相关前期研究,例如,廖秀冬等13、陈志勇等14及张铁鹰等15分别报道了基于饲料主要矿物元素或特定的某个矿物元素的区域含量特性的统计学分析规律。其中廖秀冬等18调查研究发现,中国不同种类和不同地区饲料原料中矿物元素钙、铜、锰、锌和硒含量差异较大,各地猪、鸡常用基础饲粮配方中的铜、锰、锌和硒含量可部分或全部满足猪、鸡对这些营养元素的需要量。但是具体到畜禽日粮的配方设计中,因饲料原料的来源复杂,存在北粮南下及南粮北上等交叉使用问题。此外,植物饲料本底中某些矿物元素的利用率差异较大,例如,美国国家研究委员会发表的《奶牛营养需要量》16的饲料成分表中,认为植物饲料中的铁、铜、锰、锌、碘及硒6种矿物元素的利用率分别为10%、4%、0.75%、15%、85%及100%,存在含量越多利用率越低的特征。此外,在具体饲料配方优化过程中的数据选取方面,应尽可能优先考虑饲料养分利用率数据。在作者团队前期出版的《猪精细养殖综合技术平台》17《奶牛营养参数与典型日粮配方》18及《CNCPS体系演变、模型及饲料成分表》19的饲料数据表中,都汇总提供了饲料养分利用率数据,以确保计算配方选用数据的准确性。因此,合理利用饲料本底中的矿物元素养分是较为复杂而需谨慎考虑的技术问题。

5 总结与展望

饲料营养基础数据是饲料加工业的基础科技支撑,是粮食加工业的重要组成部分。改革开放40余年来,中国的饲料加工业经历了产生、发展和成熟的过程,已经成为一个理论基础雄厚、技术门类齐全、产品种类丰富、市场发展稳定的大产业。目前制约中国饲料加工业发展最大的因素之一是饲料资源的存量严重不足,从蛋白质资源缺口呈逐渐加大的态势逐步发展到能量饲料资源——玉米对国际的依存度的快速上升,导致饲料粮安全问题逐渐成为中国粮食安全问题的主要矛盾。因此,如何开发、挖掘中国一切可以利用的饲料原料资源,提高资源的利用效率,逐步缓解资源紧张的局面,对于中国饲料科学研究提出了严峻的挑战,但也带来了前所未有的机遇。
本研究创建的中国饲料营养大数据分析平台,全面数字化收集、整理了已有饲料资源的种类、空间分布、饲料养分含量及营养价值特性数据,还包括畜禽营养需要量数据。提供了上述入库数据的可视化分析、比对,以及基于GIS技术的饲料养分空间属性的分布查询及盈缺规律分析,同时提供了各种数据的下载方式,包括Excel电子表格、PDF及二维码数据转移等模式,为已有饲料科技数据的查询及共享提供了便捷的平台和分析工具。
平台目前提供的功能服务还需进一步拓展,主要包括以下3个方面:一是加强饲料营养数据资源建设,拓展数据平台的基础数据量;二是分类提供从已知基础数据预测未知有效养分的经验或机理模型,尤其要增加有效预测模型的计算工具模块;三是全面嵌入在线网络版饲料配方优化系统及配方全养分诊断系统,为开发饲料新产品,例如低蛋白日粮优化技术,提供计算工具。最终实现一站式饲料营养数据服务及数据最大化升值利用。
1
黑龙江省大豆协会. 我国饲料粮缺口有多大[EB/OL]. [2021-02-09].

2
闫文义. 2021年我国进口主要农产品数量、价格和近5年进口数量变化分析[J]. 黑龙江粮食, 2022, 2: 22-23.

YAN W. Analysis on the quantity and price of major agricultural products imported by China in 2021 and the changes in recent 5 years[J]. Heilongjiang Grain, 2022, 2: 22-23.

3
中粮科技. 2021年玉米行业发展分析报告[EB/OL]. [2021-07-16].

4
熊本海, 罗清尧, 赵峰, 等. 中国饲料成分及营养价值表(2021年第32 版)制订说明[J]. 中国饲料, 2021(23): 97.

XIONG B, LUO Q, ZHAO F, et al. Introduction of tables of feed composition and nutritive values in China (2021 thirty-second edition)[J]. China Feed, 2021(23): 97.

5
熊本海, 罗清尧, 郑姗姗, 等. 中国饲料成分及营养价值表(2020年第31 版)制订说明[J]. 中国饲料,2020(21): 87-97.

XIONG B, LUO Q, ZHENG S, et al. Introduction of tables of feed composition and nutritive values in China (2020 thirty-first edition)[J]. China Feed, 2020(21): 87-97.

6
中国农业科学院北京畜牧兽医研究所, 中国饲料数据库情报网中心, 动物营养学国家重点实验室. 中国饲料成分及营养价值表(2019年第30 版)制订说明[J]. 中国饲料, 2019(21): 97.

Institute of Animal Sciences of Chinese Academy of Agricultural Sciences, China Feed Database Information Network Center, State Key Laboratory of Animal Nutrition. Introduction of tables of feed composition and nutritive values in China (2019, 30th edition)[J]. China Feed, 2019(21): 97.

7
中国饲料行业信息网.我国畜禽饲料资源数据库建设启动[EB/OL]. [2014-07-08].

8
百度专网地图[DB/OL]. [2022-05-30].

9
徐辉. QRCode二维条码编解码系统的应用研究[D]. 南京: 南京邮电大学, 2011.

XU H. Applied research of QRCode two-dimensional bar code coding and decoding system[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2011.

10
美国国家研究委员会. 猪营养需要(第十一次修订版, 2012)[M]. 印遇龙, 阳成波, 敖志刚主译. 北京: 科学出版社, 2014.

11
法国国家农业科学研究院. 饲料成分与营养价值表[M]. 谯仕彦, 王旭, 王德辉主译. 北京: 中国农业大学出版社, 2008.

12
潘晓花, 杨亮, 庞之洪, 等. 猪饲料有效能值预测模型的构建[J]. 动物营养学报, 2015, 27(5): 1450-1460.

PAN X, YANG L, PANG Z, et al. Construction of prediction models of feedstuffs effective energy values for swine[J]. Chinese Journal of Animal Nutrition, 2015, 27(5): 1450-1460.

13
廖秀冬, 张丽阳, 吕林, 等. 我国畜禽饲料资源中矿物元素含量分布的调查[J]. 中国农业科学 2019, 52(11): 1970-1972.

LIAO X, ZHANG L, LYU L, et al. Survey on distribution of mineral contents in feedstuffs for livestock and poultry in China[J]. Scientia Agricultura Sinica, 2019, 52(11): 1970-1972.

14
陈志勇, 张丽阳, 马雪莲, 等. 我国畜禽饲料资源中常量元素钙含量分布的调查[J]. 中国农业科学, 2019, 52(11): 1973-1981.

CHEN Z, ZHANG L, MA X, et al. A survey on distribution of calcium contents in feedstuffs for livestock and poultry in China[J]. Scientia Agricultura Sinica, 2019, 52(11): 1973-1981.

15
张铁鹰, 张丽阳, 刘俊丽, 等. 我国畜禽饲料资源中微量元素砷含量分布的调查研究[J]. 中国农业科学 2020, 53(21): 4507-4515.

ZHANG T, ZHANG L, LIU J, et al. A survey on distribution of arsenic contents in feedstuffs for livestock and poultry in China[J]. Scientia Agricultura Sinica, 2020, 53(21): 4507-4515.

16
美国国家研究委员会. 奶牛营养需要量(第七次修订版, 2001)[M]. 孟庆翔主译. 北京: 中国农业大学出版社, 2002.

17
熊本海, 杨亮. 种猪精细养殖综合技术平台[M]. 北京: 中国农业科技出版社, 2015.

18
熊本海, 罗清尧, 庞之洪. 奶牛营养参数与典型日粮配方[M]. 北京: 中国农业科技出版社, 2003.

19
熊本海, 蒋林树. CNCPS体系演变、模型及饲料成分表[M]. 北京: 中国农业科技出版社, 2015.

Outlines

/