使用机器学习来预测哺乳母猪的断奶性能,用于精准营养和智能养
Jiayi Su1, Xiangfeng Kong2, Wenliang Wang1
1Key Laboratory of Hunan Province for the Products Quality Regulation of Livestock and Poultry, College of Animal Science and Technology, Hunan Agricultural University, Changsha 410128, China.
Animal nutrition (Zhongguo xu mu shou yi xue hui)
|June 9, 2025
概括
精确养模型准确地预测了猪的断奶性能,提高了农场的可持续性和利能力. 确定的关键因素包括哺乳期和产后子体重,以优化猪产量.
科学领域:
- 动物科学动物科学
- 农业工程 农业工程
- 数据科学数据科学数据科学
背景情况:
- 传统的母猪哺乳养策略有可能导致营养缺乏,影响长期生产力,可持续性和利能力.
- 使用先进的预测模型进行精准养,提供了一种数据驱动的方法来优化猪生产效率.
研究的目的:
- 为关键的猪断奶绩效指标开发可靠的预测模型:断奶子重量 (WLW),断奶子大小 (WLS),牛奶中的干物质 (DMm) 和牛奶中的 (Nm).
- 将农场管理实践和料营养成分整合到一个预测框架中,以提高猪生产结果.
主要方法:
- 收集了来自中国17个养猪场的10,089个观测结果.
- 采用了11个统计和机器学习 (ML) 回归算法,包括分层采样和递归特征消除用于特征选择.
- 使用Shapley添加式解释 (SHAP) 进行特征重要性分析.
主要成果:
- 集体学习模型 (随机森林,梯度增强决策树) 显示出卓越的性能 (R2: 0.400.80,MAE: 0.114.36).
- 在模型中确定的一致重要的预测因素包括哺乳期持续时间,出生 litter 体重,平价和第7天哺乳期背部脂肪厚度 (L.d7BF).
- 特性重要性上的差异突出显示了数据中的非线性关系和特性相互作用.
结论:
- 开发的预测模型为了解和优化猪断奶性能提供了一个新的框架.
- 确定了关键预测因素,为提高猪生产效率和可持续性提供了可操作的见解.
- 优化的模型可以指导基于传感器的实时精密养系统,以提高养猪业的结果.


