一、问题的提出
1、贸易战引发蛋白饲料价格上涨，养猪业承压
2、应对饲料成本上涨压力的措施
《加快建设农业强国规划（2024-2035年）》
（1）推动生猪产业高质量发展
（2）实施饲用豆粕减量替代行动，推广低蛋白日粮技术
（3）推进粮食播种、收获、储运、加工、消费等全链条全环节节约减损
3、在饲养环节实施精准饲养是降低饲料消耗的重要抓手
“母猪节料增效精准饲养技术”2024推广应用母猪达184万头
4、通过20年的研究，我们确立了母猪“抓妊娠带泌乳”的全繁殖周期营养方案；建立了以调控妊娠期背膘和肠道菌群为目标的“母猪精准饲养技术”
母猪精准饲养技术“五步法”项目实施方案：性能和膘情诊断、日粮配方优化、动态精准饲喂、效果实时跟踪、结果数据呈现
5、母猪精准饲养技术显著降低了妊娠母猪胎均好料，显著提升母猪PSY
母猪胎均饲料消耗量平均降低35kg，降低年均耗料量约80kg
母猪PSY提高平均1.3头
全国4000万头母猪，每年可节约饲料320万吨
可少养母猪270万头，每年节约饲料270万吨
6、现代母猪繁殖性能大大提升，体重/体成分显著改变
二、妊娠母猪营养需要的经典模型及存在的问题
1、妊娠母猪营养需要的构成
2、发布猪营养需要量的权威单位
法国INRA（2008）、美国（NRC）、中国国家标准（2021）
3、妊娠母猪营养能量需要预测模型
关键参数：
（1）能量利用效率：KP，K
（2）母猪体重：配种体重、分娩体重
（3）背膘厚：分娩背膘、配种背膘
（4）孕体重
4、IRNA和NRC预测母猪的分娩体重的方法-估计的是不同胎次分娩体重的平均值
IRNA：根据母猪日龄和体重建立威布尔方程来预测分娩母猪体重
NRC：根据预期体成分变化来估计体重
5、分娩背膘的估计方法
IRNA：分娩背膘是猪场历史背膘和性能数据分析确定的每个胎次
NRC：根据每个胎次体成分变化来确定平均分娩背膘
IRNA和NRC在建立妊娠母猪营养需要量预测模型时，是基于各胎次的平均体重和平均背膘进行估计的，并未考虑各种动态因素的影响，只能估计群体的平均营养需要量，而不是估计每个个体的营养需要量。
三、妊娠母猪动态能量需要量模型的建立
（一）建立妊娠母猪动态营养需要优化模型的关键参数
1、在个体水平准确预测妊娠母猪能量需要量需要解决哪些关键问题？
（1）在妊娠母猪饲养中，可以在配种阶段获得配种体重和背膘厚
挑战一：如何准确估计每头母猪的分娩体重和分娩背膘？
（2）妊娠母猪营养需要量究竟是怎样构成的？
挑战二：
母猪在妊娠期体况的恢复规律是什么？
如何估计恢复生长的营养需要？
（3）动态满足动物的营养需要应考虑哪些因素？
不同品种、不通过品系、不同组合、不同来源、不同胎次、不同体况、不同阶段、不同季节
挑战三：动态估计个体的营养需要量如何去实现？
（二）建立妊娠母猪动态营养需要优化模型的方法
1、优化的机理模型
2、机器学习模型
（三）营养需要模型建立/评估/验证的技术路线
（四）基于机器学习预测母猪的分娩体重
1、在含有遗传/不含遗传的场景下预测分娩体重
2、包含/不包含能量摄入时预测分娩体重
（五）基于机器学习预测母猪妊娠期背膘厚
1、影响母猪健仔的特征重要性排序（分娩背膘厚最重要）
2、不同胎次母猪最佳产前背膘确定
（六）建立妊娠母猪能量需要量机器学习模型
1、基于10种机器学习方法预测母猪妊娠期能量需要量
2、能量需要最佳机器学习模型预测效果
（七）建立优化的妊娠母猪能量需要机理模型
1、建立妊娠体况恢复的能量需要回归模型
2、建立包括妊娠体况恢复的优化的能量需要模型
四、妊娠母猪动态营养需要优化模型的评估与验证
（一）妊娠母猪能量需要量优化模型的评估
INRA模型预测的能量需要量最高，比其它模型高1400-1600kcal/d；HZAU模型次之，ML模型最低，与实际摄入量接近。
模型预测准确性：机器学习模型（ML模型）＞华中农大机理模型（HZAU模型）＞INRA模型
（二）妊娠母猪能量需要量优化模型的试验验证
1、不同模型组母猪的产仔性能
无论总仔、活仔、健仔差异均不显著
2、不同模型妊娠期的能量需要、饲喂量和饲喂成本
INRA模型预测的妊娠期能量需要量、妊娠期平均耗料和饲喂成本最高;ML模型最低
法系母猪应用HZAU模型和ML模型进一步降低妊娠期胎均耗料30kg，年均约70kg
全国4000万头母猪，在每年节约饲料320万吨基础上进一步节料280万吨。
可少养母猪270万头，每年节约饲料270万吨。合计870万吨。
3、不同模型母猪分娩体重预测和实际值比较
（1）对照组和INRA模型预测的分娩体重比实测体重分别高15和11kg；HZAU和ML预测分娩体重和实测体重接近
（2）分娩体重MAPE比较：HZAU机理模型误差最小，模型准确性高
4、不同模型对分娩背膘预测的准确性评估
（1）分娩背膘来看:均超过了16mm的上限，表明能量摄入量有进一步下降的空间
（2）分娩背膘的MAPE比较:HZAU机理模型的误差最小:但模型准确性需要进一步提高
五、妊娠母猪动态营养需要智能预测系统的建立
软著1:法系母猪能量需要智能预测系统V1.0
软著2:法系母猪背膘智能预测系统V1.0
软著3:法系母猪体重智能预测系统V1.0
软著4:丹系母猪背膘、体重、能量需要智能预测系统V1.0
六、总结
1、影响妊娠母猪营养需要量的因素很多，包括遗传背景(品种、品系和杂交组合)
胎次、妊娠阶段、环境温度。NRC和INRA推荐的营养需要量只能静态地估计群体的平均需要量，不能动态地估计个体的需要量。
2、我们以大量的试验数据为基础，建立了优化的HZAU机理模型和机器学习模型
可以实现对每头妊娠母猪营养需要量的动态估计。
3、随着我们掌握的数据量的累积和增加，将进一步优化模型，提高模型的预测精度
4、母猪的精准饲养将从“多点测膘，动态调料”转为“配种测膘称重，预测决定喂量
分娩测膘验证”，极大减少现场测膘工作量，并实现节料和增效。
主持人总结：彭老师从母猪的精准营养和精准饲喂五步法介绍了做好母猪精准营养的方法，而且如果做好的话，全国一年可以少养270万头母猪，节省270万吨饲料；母猪体况恢复阶段，包括喂多少对于母猪很关键；机器模型的建立、评估和预测能把精准营养向理论指导实践。
