论文部分内容阅读
家禽饲料原料的净能(NE)可以通过呼吸测热法测定也可以通过比较屠宰法测得。但是,实测家禽饲料原料的N-E周期较长,需要耗费大量的劳动量和资金。另外,通过构建饲料原料能值与其化学成分之间的回归关系和近红外反射光谱(NIRS)分析技术可以建立预测模型从而快速得到饲料原料的能值。目前肉鸭的玉米NE还不清楚,因此,本研究旨在评定天府肉鸭上的玉米净能含量,通过回归分析构建与其化学成分相关的预测模型,并用NIRS技术建立玉米NE的预测模型。本试验采集化学成分有一定差异的36个玉米样品,首先进行动物饲养、代谢试验评定其净能和代谢能含量。动物试验共选7日龄时平均体重为(125.01±11.33)g的天府肉鸭860只进行试验,为期7天。试验采用析因法将玉米的NE剖分为其提供给肉鸭的维持净能(NEm)和生产净能(NEp)。NEm采用全价饲配合饲粮进行试验,共使用肉鸭120只,其中20只在7日龄时作为对照组屠宰；NEm用肉鸭禁食产热(FHP)计算得到,FHP用回归法测定,即将剩下的100只设自由采食、限饲20%、限饲32%、限饲44%和限饲54%共5个饲喂水平,每个水平设5个重复,每个重复4只；使用食入代谢能(MEI)和产热(HP)进行回归,并外推到MEI为零时求得FHP。NEp试验直接饲喂不同玉米样品,采用比较屠宰试验测定,共使用肉鸭740只,试验初屠宰20只用作对照,剩余的分为36个处理,每个处理5个重复,每个重复4只,试验结束时全部屠宰,并测定生产性能相关指标。随后,测定36种玉米CP、EE、 CF、NDF、ADF和Ash等常规化学成分。将所测玉米NE与其化学成分之间进行相关和多元线性逐步回归分析并建立预测模型。用近红外光谱仪扫描得到玉米光谱后,使用偏最小二乘法(PLS)结合OPUS 5.5光谱处理软件得到实测玉米NE和NIRS光谱值之间的预测模型。试验结果如下：不同来源的玉米的化学成分差异很大,在天府肉鸭上的AME为(13.47±0.28) MJ/kg,玉米提供给天府肉鸭的NEm和NEp分别为(0.95±0.05)MJ/kg和(8.49±0.35) MJ/kg,玉米的NE为(9.44±0.35) MJ/kg,代谢能转化为净能的效率为(70.12±2.00)%；使用玉米NE和其化学成分进行多元线性逐步回归,得到的最优模型为NE=6.956-0.13NDF+0.446EE-0.264ADF+0.241AME,其R。为0.923,RSD为0.03 MJ/kg。玉米NE的NIRS预测模型的内部交叉验证决定系数(R2cv)、定标决定系数(R2cal)和外部验证决定系数(R2val)分别为85.99%、90.42%和82.62%；对应的内部交叉验证均方根误差(RMSECV)、定标均方根误差(RMSEE)和外部验证均方根误差(RMSEP)分别为0.068 MJ/kg、0.073 MJ/kg和0.086 MJ/kg.综上所述,对于天府肉鸭而言,玉米的NE为(9.44±0.35) MJ/kg;此外使用玉米化学成分和NIRS分析技术建立玉米的NE预测模型是可行的。