奶牛精准饲喂决策系统设计

张龙豪，张建斌，郭鹏,通信作者，史云潇，安雪东

奶牛精准饲喂决策系统设计

张龙豪a，张建斌b，郭鹏a,通信作者，史云潇a，安雪东a

（天津农学院a. 计算机与信息工程学院，b. 动物科学与动物医学学院，天津 300392）

为提高饲料的利用效率，降低饲喂成本，设计了一个奶牛精准饲喂决策系统。利用奶牛营养需要估计模型计算营养需要量，结合《中国饲料数据库》中奶牛常用饲料的数据，利用差分进化算法进行奶牛饲料配方的设计和优化，实现了根据奶牛身体、生理状况和饲料原料营养成分进行饲料配方的自动决策。使用C#语言对该决策系统进行软件设计，软件运行良好。与Excel 2007求解饲料配方相比较，本系统根据奶牛个体进行饲料配方，操作方便，结果略优于Excel 2007。

精准饲喂；饲料配方；奶牛营养估计；差分进化

奶牛的饲喂成本包括饲料成本和饲喂过程操作成本，自动饲喂系统可以极大地减少人为参与程度[1]，降低饲喂操作成本。饲料营养成分含量对青年奶牛的生长发育、泌乳奶牛生产性能和牛奶营养含量产生重要的影响[2-4]。大数据分析技术和传感器技术可以在饲喂过程中对每头奶牛的身体状况进行数据监测，估计其所需要的营养数量[5]。根据每头奶牛的营养需要量，结合饲料原料中的营养成分含量，科学调控饲料配方，实现精准饲喂，可以极大地改善动物福利和提高饲料的利用效率[6]。当前，饲料成本一般占养殖成本的70%～80%[7]，对养殖业的经济效益起到至关重要的影响。精准饲喂决策确定饲料配方，对饲料成本产生至关重要的影响，是精准饲喂的核心部分。在此设计了一个奶牛精准饲喂决策系统，参照美国NRC2001年版《奶牛营养需要量》（简称NRC 2001）中的奶牛营养需要估计模型[8]，根据奶牛的自身状况估计其营养需要量，结合中国饲料数据库平台（http://www.chinafeeddata.org.cn/）提供的饲料原料营养成分数据，利用差分进化算法[9]充分挖掘饲料内在的营养价值，实现动物精准营养配方设计，降低养殖成本，提高经济效益。

1 系统设计

奶牛在饲喂过程中一般分犊牛、后备奶牛、泌乳奶牛和干乳奶牛4种类型[8]。系统根据使用者选择的奶牛类型，结合奶牛体重、生理状态、管理环境以及是否放牧等因素分析奶牛营养需要。奶牛营养需要通常包括：（1）维持生命所需的能量、蛋白质、矿物质和维生素；（2）生长发育所需的能量、蛋白质、矿物质和维生素；（3）泌乳所需的能量、蛋白质、矿物质等；（4）妊娠所需的能量、蛋白质、矿物质等营养物质。最后汇总得出该奶牛所需总的能量、蛋白质、矿物质和维生素。结合使用者所选定的饲料原料中不同的营养成分，在满足营养需要的前提下，以费用最低为目的，利用差分进化算法求解最优的饲料配方。模块内部关系结构如下图1所示。

1.1 营养需要量估计模块

营养需要估计模块根据奶牛体重、年龄、管理环境、身体状况，按照NRC2001[8]中的奶牛营养需要量估计模型计算出奶牛营养需要量。以泌乳奶牛所需的营养为例：

1）干物质需要量估计

＝0.372×＋0.096 8×0.75×

（1－（-0.192×（WOL+3.62）））； （1）

其中是体重，是泌乳周，是标准乳校正公式，＝2.718 28，是自然常数。

＝0.4×＋0.15×，是产奶量，是乳脂量。

2）维持用能量需要量估计

＝（－）0.75×0.08＋；（2）

其中是孕体重，如果未怀孕，＝0。是放牧时额外需要的能量。

＝（（/1 000）×）×

（0.000 45×）＋0.001 2×，

其中是牛场到草场距离（km），来回次数，如果路况起伏不平，则需要增加额外的能量：

＝＋0.006×，

3）泌乳用能量需要量估计

＝0.337×0.75＋×

（0.388×＋0.229×

＋0.803）； （3）

其中是乳真原蛋白。

4）维持用蛋白质需要量估计

＝0.3×（）0.6＋4.1×（

）0.5＋（×1 000×0.03－

0.5×（/0.8－）＋

； （4）

其中是总的饲喂干物质的量，是微生物蛋白提供的可代谢蛋白质，是供给内源性蛋白质所需的膳食蛋白质量。

5）泌乳用蛋白质需要量估计

乳蛋白含量：

＝×（/ 100），

乳脂含量：

＝×（/ 100），

泌乳需要蛋白质的量：

＝（/ 0.67）×1 000； （5）

6）最终的能量和蛋白质需要量：

能量：＋； （6）

蛋白质量：＋。

7）矿物质需要量的计算模型参阅NRC2001[8]。

1.2 饲料配方问题

饲料配方问题的实质是求解饲料组成原料组合优化的问题，选用数学模型[10]的目标函数

1，2，…，x的约束条件如下：

1.3 软件工作流程

首先选定奶牛类型，根据奶牛个体状况，利用1.1节中的营养需求量估计模型计算奶牛所需要的营养量。然后根据选择饲料原料，读取数据库中每种原料的营养成分含量，并构建进化算法初始种群，根据差分进化算法的运行流程进行最优饲料配方的求解。软件流程图如图2所示。

1.4 饲料配方模块设计

差分进化算法采用实数向量编码[11]，是基于种群差异的进化算法。作为新兴的智能算法，具有原理简单、易于实现，可靠性强等优点，已经被广泛应用到数值优化[12]、价格预测[13]、农业生态系统[14]等领域。

1.4.1 个体编码

是饲料配方中包含的原料个数。种群初始化阶段，不能存在相同的个体编码。

1.4.2 适应度计算

适应度函数计算种群中个体适应度值，进化算法根据适应度值的大小决定个体是否被替换。本文以公式（8）作为适应度函数，由个体编码求得饲料总成本低的适应度值更优。

1.4.3 终止条件

终止条件为最大循环次数 5 000。

1.4.4 进化方案

试验中选择DE/rand/1[9]作为进化方案。

1.5 数据表设计

数据库部分由以下数据表构成。（1）精饲料表（concentrate）包括编号（Num），饲料名（Name），干物质（DM），粗蛋白（CP），粗脂肪（EE），粗纤维（CF），无氮浸出物（NFE ），粗灰分（Ash），中洗纤维（NDF），酸洗纤维（ADF），淀粉（Starch），奶牛泌乳能（CowNEl）和矿物质中的钙（Ca），有效磷（effP），钠（Na），氯（Cl），镁（Mg），钾（K）；微量元素中的铁（Fe），铜（Cu），锰（Mn），锌（Zn），硒（Se）。（2）粗饲料表（Roughage）包括干物质（DM），维持能（NEm），生长能（NEg），泌乳能（NEl），粗蛋白（CP），粗纤维（CF），酸洗纤维（ADF），中洗纤维（NDF），粗脂肪（EE），粗灰分（ASH）；矿物质中的钙（Ca），磷（P），钾（K），氯（Cl），硫（S），锌（Zn）。粗饲料表和精饲料表中的数据选自中国饲料数据库平台（http://www.chinafeeddata.org.cn/）。使用中国饲料数据库平台中提供的计算公式，通过化学成分预测精饲料能值（NEm，NEg，NEl）。精饲料表如表1所示，微量元素数据表、粗饲料数据表与表1设置相似。

表1 精饲料表

2 试验

本系统是在Windows操作系统中以Visual studio 2010为集成开发环境，使用C#语言作为程序设计语言，Microsoft Access设计数据库，采用控制台工作模式开发出的奶牛饲料配方决策系统。系统界面包括4部分：（1）奶牛营养需要量影响因素；（2）奶牛营养需求量；（3）饲料配方结果；（4）总成本。使用者录入影响奶牛营养需要量影响因素信息后，点击“营养需求分析”按钮，系统对奶牛营养需要量进行估计，然后显示出所需要的营养量数据。使用者选择饲料原料并录入当前该饲料的价格后，点击“优化日粮配方”按钮，系统给出每种饲料所需要的数量，并给出此次饲料配方的总成本。在奶牛类型中选择“泌乳奶牛”，泌乳奶牛阶段不需要的信息例如“犊牛饲料类型”数据以灰色进行屏蔽， 泌乳奶牛饲料配方运行结果如图3所示。

为验证本研究饲料配方方法的性能，将运行结果与当前流行的线性规划法[10，15]饲料配方方法进行比较，使用Microsoft Office 2007中的Excel软件提供的规划求解功能[15]进行饲料配方计算，Excel软件线性规划法求解结果如图4所示。总成本是每种原料乘以单价后的累加求和。就总成本而言，差分进化方法的结果略低于线性规划法。

与饲料配方的成本相比，配方中的营养成分含量更重要，而干物质是衡量营养成分的重要指标。如表2所示，试验中饲料配方中干物质含量相同或略高于营养需要量，而饲料中的能量、蛋白质以及矿物元素的含量普遍略高于营养需要量。

3 结论

精准饲喂要求投放给每头奶牛的饲料配方和饲料的数量因个体而异，奶牛精准饲喂决策系统根据每头奶牛的个体特征估计营养需要量，结合所选择的饲料原料营养成分的含量，计算出每头奶牛所需的饲料配方，有利于改进精准饲喂的准确程度，提高饲料的利用效率，降低饲料成本。与自动饲喂系统相结合，将进一步提高奶牛养殖的经济效益。

[1] 刘源，史锦云，吴海云，等. 基于单片机的牲畜全自动喂食控制系统[J]. 天津农学院学报，2019，26（2）：69-73.

[2] ANCHAL K，DEBASHIS R，VINOD K，et al. Effect of chromium supplementation on rhythmic alterations in growth performance and nutrient utilization of growing cattle during heat stress[J]. Biological Rhythm Research，2019，1：1-9.

[3] SALADO E E，BRETSCHNEIDER G，CUATRIN A，et al. Productive response of dairy cows fed with different levels of totally mixed ration and pasture[J]. Agricultural Sciences，2018，9：824-851.

[4] PURCELL P J，LAW R A，GORDON A W，et al. Effect of concentrate feeding method on the performance of dairy cows in early to mid lactation[J]. Journal of Dairy Science，2016，99（4）：2811-2824.

[5] 方热军，胡胜军，方成堃，等. 浅谈精准营养下畜禽饲料配方设计的几个问题[J]. 饲料工业，2019，40（9）：1-5.

[6] 赵一广，杨亮，郑姗姗，等. 家畜智能养殖设备和饲喂技术应用研究现状与发展趋势[J]. 智慧农业，2019，1（1）：20-31.

[7] 邹成义. 现代动物饲料配方设计要点[J]. 饲料工业，2012，33（17）：57-59.

[8] NATIONAL R C. Nutrient requirements of dairy cattle[M]. Washington DC：The National Academies Press，2001.

[9] STORN R，PRICE K. Differential evolution–A simple and efficient heuristic for global optimization over continuous Spaces[J]. Journal of Global Optimization，1997，11：341–359.

[10] 熊本海，罗清尧，庞之洪，等. 泌乳奶牛全混合日粮精准计算系统[J]. 中国农业科学，2012，45（14）：2948-2958.

[11] 郭鹏. 差分进化算法改进研究[D]. 天津：天津大学，2012.

[12] PINAR C，ERKAN B. Bernstain-search differential evolution algorithm for numerical function optimization[J]. Expert Systems with Applications，2019，138（30）：112831.

[13] PENG L，LIU S，LIU R，et al. Effective long short-term memory with differential evolution algorithm for electricity price prediction[J]. Energy，2018，162（1）：1301-1314.

[14] GROOT J C J，YALEW S G，ROSSING W A H. Exploring ecosystem services trade-offs in agricultural landscapes with a multi-objective programming approach[J]. Landscape and Urban Planning，2018，172：29-36.

[15] 李桂枝，唐晓玲，丰艳平. 运用Excel线性规划设计最低成本饲料配方方法[J]. 饲料研究，2007（12）：43- 46.

Design of automatic decision system for precision feeding of dairy cows

Zhang Longhaoa, Zhang Jianbinb, Guo Penga,Corresponding Author, Shi Yunxiaoa, An Xuedonga

（Tianjin Agricultural University, a. College of Computer and Information Engineering, b. College of Animal Science and Veterinary Medicine, Tianjin 300392, China）

To improve the efficiency of feed utilization and reduce the feeding cost, a precise feeding decision-making system for dairy cattle was designed. The nutritional requirement of dairy cows was calculated using the nutritional requirement estimation model. Combined with the data of dairy cows' common feed in China Feed Database, the design and optimization of dairy cow feed formulation were carried out by using differential evolution algorithm. The automatic decision-making of feed formulation was realized according to the physiological status of dairy cows and the nutritional composition of feed raw materials. This decision-making system was programmed with C# programming language and it worked well. The feed formula of this system was based on individual cow. Compared with Excel 2007, the system was easily operated and the results of the system were slightly better.

precision feeding; feed formulation; nutritional estimation of dairy cows; differential evolution

S815.4；TP319

A

1008-5394（2021）01-0053-06

10.19640/j.cnki.jtau.2021.01.011

2019-10-10

天津市自然科学基金（19JCYBJC24800）；天津农学院大学生创新创业训练计划项目（201810061152）

张龙豪（1996—），男，本科在读，主要从事物联网应用研究。E-mail：861947002@qq.com。

郭鹏（1974—），男，副教授，博士，主要从事农业信息技术应用研究。E-mail：super_guopeng@163.com。

责任编辑：张爱婷