顆粒飼料的質(zhì)量預(yù)測(cè)及精準(zhǔn)控制

作者簡(jiǎn)介：齊勝利（1965－ ），男，副教授，研究方向?yàn)閯?dòng)物營(yíng)養(yǎng)與飼料加工；E-mail：qishengli@163.com

摘? 要：顆粒飼料在畜牧生產(chǎn)中起著越來(lái)越重要的作用，其質(zhì)量直接影響飼料中營(yíng)養(yǎng)成分的有效性和產(chǎn)品的商品性能。近年來(lái)顆粒飼料質(zhì)量的精準(zhǔn)控制成為研究的熱點(diǎn)之一。通過(guò)顆粒飼料質(zhì)量預(yù)測(cè)來(lái)實(shí)現(xiàn)顆粒飼料質(zhì)量的精準(zhǔn)控制是一種科學(xué)有效的方法。本文通過(guò)分析各種顆粒飼料質(zhì)量的預(yù)測(cè)方法，結(jié)合顆粒飼料的生產(chǎn)技術(shù)，為顆粒飼料質(zhì)量的精準(zhǔn)控制提出了建議。

關(guān)鍵詞：顆粒飼料；質(zhì)量預(yù)測(cè)；質(zhì)量控制；精準(zhǔn)控制

中圖分類(lèi)號(hào)：S816.9 文獻(xiàn)標(biāo)志碼：A ? ? ? ?文章編號(hào)：1001-0769（2024）02-0106-04

隨著我國(guó)飼料工業(yè)的發(fā)展，顆粒飼料在畜牧生產(chǎn)中占據(jù)越來(lái)越重要的地位。實(shí)際生產(chǎn)中，雖飼料配方和加工工藝參數(shù)相同，但飼料原料特性的不同會(huì)導(dǎo)致顆粒飼料質(zhì)量有差異。同一條生產(chǎn)線(xiàn)對(duì)相同配方的飼料采用不同的工藝參數(shù)，也會(huì)引起顆粒飼料質(zhì)量的變化。因此，對(duì)飼料廠(chǎng)來(lái)說(shuō)，控制顆粒飼料的質(zhì)量非常重要，直接影響飼料中營(yíng)養(yǎng)成分的有效性和產(chǎn)品的商品性能，進(jìn)而影響動(dòng)物生產(chǎn)性能的發(fā)揮。顆粒飼料質(zhì)量受多種因素的影響，是多因素綜合作用的結(jié)果，需要全面考慮，科學(xué)控制。

在加工前預(yù)測(cè)顆粒飼料的質(zhì)量，并有針對(duì)性地調(diào)整飼料配方和各種加工工藝參數(shù)對(duì)顆粒飼料質(zhì)量的精準(zhǔn)控制是科學(xué)有效的。研究人員對(duì)顆粒飼料質(zhì)量的預(yù)測(cè)方法進(jìn)行了諸多研究，為顆粒飼料質(zhì)量的精準(zhǔn)控制提供了可能。

1? 顆粒飼料質(zhì)量的預(yù)測(cè)方法

質(zhì)量預(yù)測(cè)是指在加工領(lǐng)域中，通過(guò)一定的模型與方法將加工前可調(diào)整、控制或監(jiān)測(cè)的參數(shù)與加工后的產(chǎn)品質(zhì)量進(jìn)行聯(lián)系，從而在實(shí)際生產(chǎn)前對(duì)產(chǎn)品質(zhì)量進(jìn)行一定程度的估計(jì)和預(yù)測(cè)[1]。近些年，質(zhì)量預(yù)測(cè)技術(shù)發(fā)展速度很快，有關(guān)飼料加工過(guò)程的預(yù)測(cè)技術(shù)研究也越來(lái)越多。目前，國(guó)內(nèi)外對(duì)顆粒飼料質(zhì)量的預(yù)測(cè)方法有以下幾種。

1.1 顆粒飼料質(zhì)量因子法

飼料原料的不同特性對(duì)制粒效果有不同的影響。1991年，英國(guó)Borregaard公司根據(jù)飼料原料的營(yíng)養(yǎng)成分和制粒特性設(shè)定了原料的顆粒質(zhì)量因子（pellet quality factor，PQF）[2]。PQF是賦予每種原料的分值，分值越大表示越易制粒。例如，小麥面粉易于制粒，PQF為8；油脂不利于顆粒質(zhì)量的提高，PQF為－40。常見(jiàn)飼料原料的PQF見(jiàn)表1。

生產(chǎn)中，根據(jù)飼料配方的配比可計(jì)算出飼料顆粒質(zhì)量因子（feed pellet quality factor，F(xiàn)PQF）[3]，從而在制粒前對(duì)顆粒飼料的質(zhì)量進(jìn)行預(yù)測(cè)，其計(jì)算公式如下：

FPQF=PQF1×η1+PQF2×η2+PQF3×η3+……+PQFn×ηn

式中，PQF為原料的顆粒質(zhì)量因子；η為飼料配方中不同原料的質(zhì)量分?jǐn)?shù)。

1.2 最小二乘法支持向量機(jī)算法

支持向量機(jī)是基于統(tǒng)計(jì)學(xué)理論的一種具有嚴(yán)格數(shù)學(xué)理論基礎(chǔ)和直觀集合解釋的新型機(jī)器學(xué)習(xí)方法，在樣本數(shù)量有限、非線(xiàn)性及高維度問(wèn)題解決中具有優(yōu)勢(shì)[4]。其應(yīng)用較成功的是最小二乘法支持向量機(jī)算法。段宇[5]以原料的含水量和壓力作為輸入指標(biāo)，顆粒的密度和壓縮比（壓縮前后的密度之比）作為輸出指標(biāo)，建立了支持向量機(jī)模型，并用該模型擬合了生物質(zhì)的壓縮成型過(guò)程。結(jié)果表明，該模型對(duì)生物質(zhì)壓縮成型的過(guò)程特性具有較好的模擬預(yù)測(cè)作用。

1.3 經(jīng)典數(shù)學(xué)建模方法

經(jīng)典數(shù)學(xué)建模方法也可對(duì)成型顆粒的成分、熱值和耐久性等質(zhì)量指標(biāo)進(jìn)行預(yù)測(cè)。

Gillespie等[6]應(yīng)用多元線(xiàn)性回歸法和偏最小二乘法預(yù)測(cè)了生物質(zhì)混合物顆粒質(zhì)量，結(jié)果顯示，對(duì)于草本和木本生物質(zhì)原料，用偏最小二乘法預(yù)測(cè)的顆粒水分、碳含量、灰分含量和總熱值，與實(shí)際值相比，相關(guān)系數(shù)為0.78～0.94。另外，采用多元線(xiàn)性回歸法預(yù)測(cè)的顆粒總熱值和耐久性，與實(shí)際值相比，相關(guān)系數(shù)分別為0.94和0.99[7]。以上結(jié)果表明，工業(yè)分析、元素分析和近紅外光譜分析結(jié)合經(jīng)典數(shù)學(xué)建模方法，具有預(yù)測(cè)生物質(zhì)顆粒質(zhì)量的潛力。

1.4 響應(yīng)面分析法

響應(yīng)面分析法可通過(guò)多元二次方程擬合試驗(yàn)因素與響應(yīng)值之間的函數(shù)關(guān)系，通過(guò)對(duì)回歸方程的分析尋求最優(yōu)工藝參數(shù)，是解決多變量問(wèn)題的一種統(tǒng)計(jì)方法。該方法的優(yōu)點(diǎn)是精度高、預(yù)測(cè)性好。

宋欣等[8]通過(guò)應(yīng)用響應(yīng)面分析法，以飼料顆粒密度為響應(yīng)值，以環(huán)模的壓縮比（?？子行чL(zhǎng)度與直徑之比）和壓制速度為影響因子建立了壓制魚(yú)類(lèi)顆粒飼料的預(yù)測(cè)模型。該試驗(yàn)擬合了飼料顆粒密度的二階響應(yīng)面回歸模型，并通過(guò)模型分析了因子單一作用和交互作用下對(duì)飼料顆粒密度的影響。該模型可用于飼料顆粒密度的預(yù)測(cè)、成型設(shè)備主要結(jié)構(gòu)參數(shù)優(yōu)化和工藝方案的選擇，具有一定的應(yīng)用價(jià)值。

1.5 人工神經(jīng)網(wǎng)絡(luò)算法

人工神經(jīng)網(wǎng)絡(luò)算法是一種模擬人腦神經(jīng)信息傳遞方式而建立起來(lái)的人工智能方法，是一種分布式并行處理系統(tǒng)，處理結(jié)果以權(quán)值形式分布存儲(chǔ)在矩陣中。其中誤差反向傳播算法神經(jīng)網(wǎng)絡(luò)（back propagation neural network，BPNN）是人工神經(jīng)網(wǎng)絡(luò)中常用的一種算法。BPNN算法能夠?qū)崿F(xiàn)任意非線(xiàn)性輸入輸出的映射關(guān)系，具有自我學(xué)習(xí)的功能，對(duì)于未發(fā)生事件的預(yù)測(cè)具有重要的意義。

王紅英等[9]利用數(shù)學(xué)軟件MATLAB（Matrix Laboratory）中的Neural Network Toolbox模塊建立了基于BPNN算法的哺乳仔豬料顆粒質(zhì)量的預(yù)測(cè)模型及加工參數(shù)多目標(biāo)優(yōu)化方法。該模型以原料的粉碎粒度、淀粉糊化度和膨化度等特性參數(shù)以及制粒機(jī)喂料速度、調(diào)質(zhì)溫度和電流等工藝參數(shù)作為輸入，以顆粒淀粉糊化度和最終產(chǎn)品的水分含量作為顆粒質(zhì)量的指標(biāo)，結(jié)果表明，基于BPNN算法的該模型實(shí)現(xiàn)了對(duì)顆粒質(zhì)量的準(zhǔn)確預(yù)測(cè)。

2? 顆粒飼料質(zhì)量的精準(zhǔn)控制

通過(guò)顆粒飼料質(zhì)量預(yù)測(cè)有針對(duì)性地調(diào)整飼料配方和加工工藝參數(shù)，可實(shí)現(xiàn)對(duì)顆粒飼料質(zhì)量的精準(zhǔn)控制。

2.1 根據(jù)飼料顆粒質(zhì)量因子法預(yù)測(cè)和控制顆粒飼料質(zhì)量

一般來(lái)說(shuō)，顆粒飼料配方的FPQF＜5.00，會(huì)引起顆粒飼料的質(zhì)量問(wèn)題，F(xiàn)PQF＜4.70，則會(huì)導(dǎo)致嚴(yán)重的質(zhì)量問(wèn)題。因此，制粒時(shí)，如果FPQF≥5.00，可判定顆粒飼料質(zhì)量不合格是加工工藝參數(shù)不當(dāng)引起的；如果FPQF＜4.70，則要對(duì)飼料配方進(jìn)行調(diào)整。

表2為某魚(yú)類(lèi)飼料配方的設(shè)計(jì)，可以看出該飼料原配方的FPQF為4.54（低于5.00），因此，應(yīng)對(duì)飼料配方做適當(dāng)?shù)恼{(diào)整，使FPQF≥5.00，以提高顆粒飼料的質(zhì)量。

這種方法簡(jiǎn)單，計(jì)算方便，通過(guò)調(diào)整飼料配方可實(shí)現(xiàn)對(duì)顆粒質(zhì)量的精準(zhǔn)控制。但是，原料的限制會(huì)影響配方調(diào)整時(shí)的可操作性，且PQF由人為規(guī)定，難免帶有一定的片面性。

2.2 根據(jù)BPNN算法預(yù)測(cè)和控制顆粒飼料質(zhì)量

影響顆粒飼料質(zhì)量的物理特性、配方組成、工藝參數(shù)等變量之間有一定的隨機(jī)性和非線(xiàn)性特征，BPNN算法可較好地解決一些線(xiàn)性模型在表達(dá)各變量間非線(xiàn)性關(guān)系時(shí)受到的局限。

通過(guò)輸入飼料配方、粉碎機(jī)的篩片孔徑、模孔直徑、環(huán)模長(zhǎng)徑比、調(diào)質(zhì)溫度、主原料比例等參數(shù)，根據(jù)BPNN算法建立的模型可精準(zhǔn)控制顆粒飼料的含粉率、生產(chǎn)率和耐久性等。有研究顯示，根據(jù)某飼料廠(chǎng)實(shí)際生產(chǎn)數(shù)據(jù)，BPNN算法對(duì)各加工參數(shù)進(jìn)行了優(yōu)化，當(dāng)環(huán)模長(zhǎng)徑比為7︰1、? ? ??？字睆綖?.0 mm、粉碎機(jī)篩片孔徑分別為? 2.0 mm和1.5 mm、調(diào)質(zhì)溫度為76.2 ℃時(shí)，生產(chǎn)率、顆粒耐久性分別提高了22.04％和6.04％。

目前，通過(guò)BPNN算法實(shí)現(xiàn)對(duì)顆粒質(zhì)量的精準(zhǔn)控制處于應(yīng)用研究階段，有部分飼料廠(chǎng)已將軟件固化到制粒機(jī)上，方便在生產(chǎn)中應(yīng)用。

2.3 根據(jù)其他方法預(yù)測(cè)和控制顆粒飼料質(zhì)量

通過(guò)最小二乘法支持向量機(jī)算法預(yù)測(cè)和控制顆粒飼料質(zhì)量，先要進(jìn)行建模訓(xùn)練，然后通過(guò)輸入制粒工藝參數(shù)（如輸入原料含水率和壓力等）進(jìn)行顆粒飼料的質(zhì)量預(yù)測(cè)，但如何控制顆粒飼料的耐久性、硬度和含粉率等指標(biāo)還需進(jìn)一步研究。

經(jīng)典數(shù)學(xué)建模方法可精準(zhǔn)控制顆粒飼料中營(yíng)養(yǎng)成分含量，但預(yù)測(cè)和控制顆粒飼料的耐久性時(shí)，不同飼料原料的物理特性會(huì)影響其準(zhǔn)確性。

響應(yīng)面分析法可以根據(jù)制粒工藝參數(shù)或原料因素確定出特定顆粒密度所需的壓縮比和壓制速度，從而優(yōu)化制粒工藝參數(shù)，實(shí)現(xiàn)對(duì)顆粒飼料密度的精準(zhǔn)控制。

3? 顆粒飼料質(zhì)量精準(zhǔn)控制的前景

隨著顆粒飼料加工技術(shù)的提高，特別是目前工業(yè)自動(dòng)化和人工智能技術(shù)的應(yīng)用，顆粒飼料質(zhì)量預(yù)測(cè)技術(shù)會(huì)成為顆粒質(zhì)量精準(zhǔn)控制的有效手段。在未來(lái)的發(fā)展中，結(jié)合動(dòng)物的精準(zhǔn)飼養(yǎng)，顆粒飼料質(zhì)量的精準(zhǔn)控制在實(shí)際生產(chǎn)中將會(huì)大大提高生產(chǎn)效率與應(yīng)用效果。

參考文獻(xiàn)

[1] 王紅英，陳嘯，楊潔，等．?dāng)?shù)學(xué)模型與方法在顆粒成型質(zhì)量預(yù)測(cè)領(lǐng)域的研究進(jìn)展[J]．飼料工業(yè)，2015，36（23）：2-10.

[2] 陳家才．顆粒飼料質(zhì)量和生產(chǎn)效率的預(yù)計(jì)[J]．糧食與飼料工業(yè)，2005（1）：31-33.

[3] 韓浩月．優(yōu)質(zhì)的飼料顆粒是否有意義[J]．國(guó)外畜牧學(xué)（豬與禽），2018，38（7）：87-88.

[4] 夏銘澤，石春鵬，劉征宇，等．產(chǎn)品生產(chǎn)過(guò)程中的質(zhì)量預(yù)測(cè)辦法的研究[J]．制造業(yè)自動(dòng)化，2020，42（4）：147-149.

[5] 段宇．生物質(zhì)料物理壓縮成型參數(shù)優(yōu)化研究[D]．保定：華北電力大學(xué)，2009.

[6] GILLESPIE G D，EVERARD C D，F(xiàn)AGAN C C，et al．Prediction of quality parameters of biomass pellets from proximate and ultimate analysis[J]．Fuel，2013，111（9）：771-777.

[7] GILLESPIE G D，EVERARD C D，MCDONNELL K P．Prediction of biomass pellet quality indices using near infrared spectroscopy[J]．Energy，2015，80（2）：582-588.

[8] 宋欣，李艷聰，萬(wàn)志生，等．基于響應(yīng)面法的魚(yú)類(lèi)飼料顆粒密度預(yù)測(cè)模型研究[J]．飼料工業(yè)，2015，36（3）：27-31.

[9] 王紅英，宋春風(fēng)．基于BP神經(jīng)網(wǎng)絡(luò)的飼料產(chǎn)品品質(zhì)預(yù)測(cè)方法[J]．飼料工業(yè)，2011，32（11）：1-5.