使用在第一次授精前收集的牛奶中红外光谱和机器学习算法预测奶牛怀孕的可能性
W Lou1, V Bonfatti2, H Bovenhuis3
1State Key Laboratory of Animal Biotech Breeding, National Engineering Laboratory of Animal Breeding, Key Laboratory of Animal Genetics, Breeding and Reproduction, College of Animal Science and Technology, China Agricultural University, Beijing, 100193, China; Wageningen University & Research, Animal Breeding and Genomics, 6700 AH Wageningen, the Netherlands; Wageningen University & Research, Animal Production Systems, 6700 AH Wageningen, the Netherlands.
Journal of dairy science
|June 2, 2024
概括
使用牛奶中红外光谱预测奶牛的受孕概率可以改善农场的繁殖. 这项研究表明,机器学习模型能够准确地预测精液注射前的受孕率,从而有助于管理决策.
科学领域:
- 动物科学动物科学
- 乳制品的繁殖 乳制品的繁殖
- 频谱学是一种光谱学.
背景情况:
- 提高奶牛的繁殖率对于农场效率至关重要.
- 牛奶的组成,可通过中红外光谱 (MIR) 测量,在怀孕期间发生变化.
- MIR光谱有可能预测哺乳期母牛的受孕概率 (LC).
研究的目的:
- 使用牛奶MIR光谱数据在第一次授精时对LC进行分类.
- 识别有助于LC预测的关键光谱区域.
- 通过早期预测,加强奶牛农场的繁殖管理.
主要方法:
- 使用了4,866个MIR光谱和3,451头荷尔斯坦牛的记录 (从小牛到第一次授精).
- 通过使用逻辑回归,部分最小平方区分分析 (PLS-DA) 和随机森林,比较了6种模型.
- 通过分群验证评估分类准确度和曲线下的面积 (AUC).
主要成果:
- 部分最小平方差分分析 (PLS-DA) 和随机森林模型的性能优于后勤回归.
- 最好的模型实现了76.35%±10.60%的分类准确度和0.77±0.11 AUC的LC预测.
- 关键的光谱区域 (1,0031,189,1,7942,260和2,3002,660厘米−1) 被确定为重要的预测因素.
结论:
- 牛奶MIR光谱可以在授精前准确地预测奶牛的LC.
- 这种预测能力允许及时干预或调整授精时间表.
- 这些发现支持在TMR系统上改善高产乳牛的生殖管理.
