为什么饲料会被超量配方
奶牛和肉牛的日粮是按营养成分配制的：美国国家科学院的需要量体系以粗蛋白、纤维组分、淀粉和能量来表示动物的需求，并以最低成本选择原料来提供这些营养素 [1][2]。在饲料行业，配合饲料的申报成分还须接受官方监管，其参考方法 — 包括测定水分的烘箱干燥法、测定粗蛋白的凯氏定氮法等 — 载于欧盟委员会条例 (EC) No 152/2009 附件 III [3]。
然而，原料并不等同于配方表上所写的那样。Buckmaster 和 Muller 对全混合日粮进行了不确定度分析，发现原料营养浓度的不确定度是实际饲喂日粮总体不确定度的最大来源，牧草干物质以及高营养密度原料的用量也有相当贡献 [4]。配方师既不能低于申报的最低值，又不知道料仓中豆粕当天的蛋白质含量，于是便多加一份昂贵原料作为安全余量。这份余量就是所谓的“超额赠送”：付了钱却并不需要的蛋白质、脂肪或能量，而工厂现场测量正是要缩小这一数量。
波动从何而来
St-Pierre 和 Weiss 将商业奶牛场营养成分数据的方差分解为牧场、逐日、采样和分析四个分量，发现仅采样一项就占青贮饲料场内方差的 30 至 81 %（因营养素和青贮类型而异），而采样与分析方差合计约占全混合日粮场内方差的 40 至 70 % [5]。他们的结论是，单个样品的数据可靠性不高 [5]。对饲料厂而言，这意味着每批原料只有一个实验室结果，作为配方决策的依据是薄弱的：看似原料成分的变化，有一部分其实是采样噪声。因此，要减少超额赠送，需要的是更多次测量而非一次更精确的测量，并且结果要在原料投料之前得到，而不是在整批产品发货之后。
NIR 能在饲料原料和混合饲料中测定什么
近红外光谱用于饲料成分分析已有半个世纪。Norris 等记录了 87 个粉碎牧草样品的反射光谱，最多使用九个波长，粗蛋白的相关系数达到 0.99，并对样品集中独立的一半进行了预测，粗蛋白标准误差在 ±0.95 % 以内 [6]。Givens 和 Deaville 综述了此后二十年 NIRS 在动物营养中的应用，涵盖牧草和非牧草饲料 [7]；ISO 12099 现已给出将 NIR 应用于动物饲料和谷物的指南，包括对照参考方法的验证 [8]。
Simmler 等基于家禽饲料、玉米、小麦、大豆和 DDGS 的 1,437 个参考样品建立了 30 个 PLS 模型，发现大多数蛋白质、脂肪和水分模型在留出集上的 RPD 高于 3，而大多数纤维、水溶性碳水化合物和灰分模型超过 2，物料的不均匀性对结果有共同决定作用 [9]。该研究针对的是家禽饲料，但其原料与反刍动物精料有重叠，而且这一排序与物理原理一致：蛋白质、脂肪和水在近红外区有很强的吸收，而纤维和灰分则是间接预测的，精度较低。
在原料入厂和混合机处进行 NIR 检测
有两个测量点可以直接针对超额赠送。在原料入厂时，每一批蛋白粕、谷物或副产物在进入料仓前都进行扫描，使配方依据该批原料的实测成分而非表格数值运行。在混合机处，将出料与配方目标值进行核对。Fernández-Ahumada 等将针对完整成品配合饲料开发的 NIR 方程用于混合阶段采集的样品，发现预测结果与成品非常相近（粗蛋白：混合机处 15.65 %，成品 15.87 %；粗纤维：7.69 % 对 8.02 %），并得出结论：NIR 在这一阶段是可行的，因为在该批次完成之前仍可进行校正 [10]。将定标移植到过程仪器上是另一项任务：同一研究组表明，实验室仪器与二极管阵列过程仪器之间的光谱标准化显著降低了预测标准误差，但要获得可接受的准确度，最终模型须同时包含两台仪器的光谱 [11]。
有一点需要注意。混合均匀度通常用示踪物进行检验，并以同一批次多个样品间的变异系数表示；Clark 等发现粗蛋白不是好的示踪物，因为许多原料都提供蛋白质，在他们的试验中只有合成氨基酸标记物的变异系数低于 10 % [12]。Rubio 等在肉鸡饲料中比较了在线 NIR 与示踪物方法，发现变异系数同时取决于混合时间和方法 [13]。因此，混合机出口处的 NIR 蛋白读数是对常量成分和配料的核查，不能替代针对微量成分分布的示踪物检验。由此得出三项做法：
- 测量每一批原料，而不只是每一种原料。采样是主要的方差分量 [5]；每次到货取若干个子样，按其平均值配方，就能有数据支持地缩小安全余量。
- 让参考方法始终参与其中。NIR 定标依据条例 152/2009 的程序 [3] 建立并定期核查，正如 ISO 12099 所述 [8]。
- 在过程仪器上验证过程定标。实验室模型不能原样传递到在线传感器上 [11]。
USTECH 的定位
在原料入厂和成品终检环节，USTECH MasterLine17EC 近线分析仪用于原料、动物饲料和牧草。在混合机出料处，ProLine17EC 和 ProLine17ECS 在线 NIR 分析仪安装在溜槽和输送机上，ProChem 将其结果传送至 PLC 或 SCADA 系统，用于仪表板、报警和设定值调整。定标在 caliX 化学计量学软件套件中开发和维护，并按 ISO 12099 的要求对照参考分析进行验证 [8]。某一日粮的安全余量能缩小到什么程度，取决于该厂的原料、参考数据和采样方案，须通过使用您自己样品的可行性研究来确定。
参考文献
- [1] National Academies of Sciences, Engineering, and Medicine (2021). Nutrient Requirements of Dairy Cattle: Eighth Revised Edition. The National Academies Press, Washington, DC. doi:10.17226/25806
- [2] National Academies of Sciences, Engineering, and Medicine (2016). Nutrient Requirements of Beef Cattle: Eighth Revised Edition. The National Academies Press, Washington, DC. doi:10.17226/19014
- [3] Commission Regulation (EC) No 152/2009 of 27 January 2009 laying down the methods of sampling and analysis for the official control of feed, Annex III (methods of analysis to control the composition of feed materials and compound feed). Official Journal of the European Union, L 54, 26.2.2009 (as amended). eur-lex.europa.eu/eli/reg/2009/152/oj
- [4] Buckmaster, D.R., Muller, L.D. (1994). Uncertainty in nutritive measures of mixed livestock rations. Journal of Dairy Science, 77(12), 3716–3724. doi:10.3168/jds.S0022-0302(94)77316-1
- [5] St-Pierre, N.R., Weiss, W.P. (2015). Partitioning variation in nutrient composition data of common feeds and mixed diets on commercial dairy farms. Journal of Dairy Science, 98(7), 5004–5015. doi:10.3168/jds.2015-9431
- [6] Norris, K.H., Barnes, R.F., Moore, J.E., Shenk, J.S. (1976). Predicting forage quality by infrared reflectance spectroscopy. Journal of Animal Science, 43(4), 889–897. doi:10.2527/jas1976.434889x
- [7] Givens, D.I., Deaville, E.R. (1999). The current and future role of near infrared reflectance spectroscopy in animal nutrition: a review. Australian Journal of Agricultural Research, 50(7), 1131–1145. doi:10.1071/AR98014
- [8] ISO 12099:2017. Animal feeding stuffs, cereals and milled cereal products — Guidelines for the application of near infrared spectrometry. ISO, Geneva. iso.org/standard/67352.html
- [9] Simmler, M., Ishizaki, K., Mulloni, A., Abbate, R., Juste, A., Sroka, A. (2025). Enabling precision feeding: A novel micro-NIRS system for rapid on-site analysis of the nutritional composition of poultry feed and feed ingredients. Smart Agricultural Technology, 12, 101220. doi:10.1016/j.atech.2025.101220
- [10] Fernández-Ahumada, E., Guerrero-Ginel, J.E., Pérez-Marín, D., Garrido-Varo, A. (2008). Near infrared spectroscopy for control of the compound-feed manufacturing process: mixing stage. Journal of Near Infrared Spectroscopy, 16(3), 285–290. doi:10.1255/jnirs.789
- [11] Fernández-Ahumada, E., Garrido-Varo, A., Guerrero, J.E., Pérez-Marín, D., Fearn, T. (2008). Taking NIR calibrations of feed compounds from the laboratory to the process: calibration transfer between predispersive and postdispersive instruments. Journal of Agricultural and Food Chemistry, 56(21), 10135–10141. doi:10.1021/jf801881n
- [12] Clark, P.M., Behnke, K.C., Poole, D.R. (2007). Effects of marker selection and mix time on the coefficient of variation (mix uniformity) of broiler feed. Journal of Applied Poultry Research, 16(3), 464–470. doi:10.1093/japr/16.3.464
- [13] Rubio, A.A., Conrad, S., Juzaitis-Boelter, C., Wishon, C.R., Fahrenholz, A.C. (2023). The impact of marker selection, in-line near-infrared spectroscopy (NIR), and feed mix time on the coefficient of variation (mix uniformity), body weight uniformity and broiler growth performance during the starter, grower, and finisher periods. Poultry Science, 102(12), 103109. doi:10.1016/j.psj.2023.103109
