应用化学成分及傅里叶近红外建立0~3岁周龄黄羽肉鸡豆粕净能预测模型的研究

摘要

本试验在用比较屠宰法实测豆粕净能(NE)值的基础上,比较研究了用傅里叶近红外和化学成分建立NE预测模型的可行性;并探讨了通过改变水分含量扩大样本,对傅里叶近红外建立NE预测模型的改进效果。
　　 (1)豆粕NE值采用维持NE+沉积NE的方法测定。其中维持NE用回归法测定,设自由采食及限饲30％、50％和70％4个处理组。21种豆粕沉积NE的测定采用套算法,每一种豆粕为一个处理,同时收集排泄物测定豆粕的表观代谢能(AME)。试验期均为8～16 d龄。每个处理设6个重复,每个重复2只鸡,试鸡平均体重为66.5±2.1 g。(2)测定21个豆粕样品的常规化学成分,并进行NE与表观代谢能(AME)、粗蛋白(CP)、淀粉(ST)、粗纤维(CF)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、粗灰分(ASH)等的一元或多元线性回归分析。(3)将21个已知NE值的豆粕样品调整水分含量分别为11％、12％和13％,并分别建立三种水分及其全局的NIRS的NE预测模型。结果表明:(1)0～3周龄黄羽肉鸡21种豆粕的净能值为6.045～7.829 MJ/kg DM,AME转化为NE的效率为55.24～62.78％。(2)用化学成分建立的最佳豆粕NE预测方程的R2为0.96,RSD为0.114 MJ/kg DM;用AME结合化学成分建立的最佳预测方程的R2为0.98,RSD为0.079 MJ/kg DM。(3)三个水分区间以及全局豆粕NE的近红外模型校正决定系数(R2 cal)分别为0.96、0.98、0.97、0.94,校正标准差(RMSEE)分别为0.100、0.072、0.069、0.105 MJ/kg。交叉验证决定系数(R2 cv)分别为0.92、0.95、0.95、0.93;交叉验证标准差(RMSECV)分别为0.131、0.096、0.089和0.116 MJ/kg。综上所述:(1)用AME结合化学成分建立的NE预测方程优于只用化学成分建立的NE预测方程。(2)通过调节水分含量扩大样本可建立较满意的豆粕NE的近红外预测模型。(3)用近红外建立的NE预测模型与只用化学成分建立的预测模型效果相当,较用AME结合化学成分建立预测模型的效果稍差。