一种基于原料理化特性的饲料加工质量预测模型的建立方法、预测方法及原料制粒特性评估方法

摘要: 本发明属于饲料加工质量控制,具体涉及一种基于原料理化特性的饲料加工质量预测模型的建立方法、预测方法及原料制粒特性评估方法。背景技术:1、我国优质蛋白资源缺乏,随...
一种基于原料理化特性的饲料加工质量预测模型的建立方法、预测方法及原料制粒特性评估方法

本发明属于饲料加工质量控制,具体涉及一种基于原料理化特性的饲料加工质量预测模型的建立方法、预测方法及原料制粒特性评估方法。

背景技术:

1、我国优质蛋白资源缺乏,随着我国对于畜禽饲料的要求和需求不断提高,原料多元化配方已经成为了饲料工业未来发展的必然趋势。在此背景下,杂粕类植物蛋白、动物蛋白、单细胞蛋白等新型原料不断被开发用于养殖饲料,但关于配方变化后对饲料物理质量(成型率、颗粒耐久性等)及加工能耗的影响研究严重缺乏,导致无法匹配合适工艺参数,进而严重影响饲料加工效率并造成原料和能源浪费。颗粒饲料物理质量的影响因素繁杂,其中原料的种类和加工特性是其中最为关键的决定性因素。大量研究表明,原料的粗蛋白、淀粉、粗脂肪和粗纤维之间的互作会对制粒性能和产品质量产生很大影响,比如,粗脂肪有助于降低制粒能耗,但会抑制淀粉的糊化,对颗粒质量会产生负面影响;同样,原料的加工特性,比如水合特性、粘度特性和物理特性等也会对制粒过程的参数和产品质量产生重要影响。原料的加工特性不尽相同,饲料加工过程中制粒难易程度和饲料的物理质量受到多种因素的影响,因此即便从营养学角度出发设计的配方看似合理,但在工厂化生产过程中,往往难以确保生产出符合产品标准的颗粒,这种差异性的存在,使得原料理化特性和对应的工艺参数成为需要特别关注和优化的环节。

2、但是,现阶段没有针对饲料原料制粒成型特性和对加工能耗影响的定量化评价方法及相关模型;目前饲料加工过程,针对含有不同原料配方的工艺参数调整仅凭操作经验,没有参考标准。蛋白原料多元化配方下,工厂化生产试错成本高,原料浪费严重,能耗高,且严重影响生产效率。

技术实现思路

1、本发明解决的技术问题是提供一种基于原料理化特性的饲料加工质量预测模型的建立方法、预测方法及原料制粒特性评估方法,通过模型评分可以预测饲料原料对加工效率和颗粒物理质量的影响,并针对性调整工艺参数,避免盲目试验造成的原料浪费,为保障多元化配方下饲料加工质量和生产效率稳定提供重要参考。

2、为了解决上述问题,本发明的第一方面提供一种基于原料理化特性的饲料加工质量预测模型的建立方法,包括以下步骤:

3、s1.以含有一定量的玉米和豆粕的畜禽饲料配方为基础,使用其他粕类饲料原料单一或组合替代配方中的部分豆粕,以设计多组不同饲料配方,同时以饲料加工工艺参数为自变量,加工后检测获得的颗粒耐久性、制粒能耗分别为响应变量,采用box behnken回归设计试验;

4、s2.按照步骤s1中的试验设计的配方进行配料,并按照试验设计的饲料加工工艺参数制备饲料,检测得到颗粒耐久性,并计算得到饲料制备过程中的制粒能耗;

5、s3.对豆粕、采用的其他粕类饲料原料和待加工的混合饲料配方的理化特性进行检测,结合颗粒耐久性数据、制粒能耗数据与原料理化特性数据,进行plsr分析,研究混合原料理化特性与颗粒耐久性指数和制粒能耗的关系,得到基于原料理化特性的饲料加工质量预测模型。

6、优选地,步骤s1中:

7、畜禽饲料含有以下质量百分含量的组分:玉米60%、豆粕40%;

8、所述使用其他粕类饲料原料单一或组合替代配方中的部分豆粕,以设计多组不同饲料配方,具体包括:分别使用棉籽粕、花生粕、菜籽粕替代配方中豆粕0%、25%、50%设计8组不同饲料配方。

9、优选地,步骤s1中,所述加工工艺参数设置为,调质时间:1min、2min、3min;调质温度:70℃、80℃、90℃。

10、优选地,步骤s2中,制备饲料的步骤包括:使用环模制粒机对混合饲料进行调质和制粒,环模制粒机的喂料速度为70~90kg/h,环模压缩比为9~11:1,模孔直径为3mm,通过调整蒸汽开度控制调质温度。

11、优选地,步骤s3中,饲料原料的理化特性包括:水分含量、灰分含量、粗蛋白含量、粗脂肪含量、粗纤维含量、松装密度、振实密度、休止角、摩擦角、吸水性指数、水溶性指数、溶胀度、蛋白质分散指数、峰值黏度、保持黏度、衰减值、最终黏度、回生值、糊化时间、糊化温度。

12、优选地,步骤s3中,结合颗粒耐久性数据、制粒能耗数据与原料理化特性数据,进行plsr分析时,还包括对自变量进行 z-score 标准化,消除量纲差异,规避数值量级干扰,采用变量投影重要性vip值阈值结合逐步交叉验证法进行变量筛选,剔除无关冗余变量,简化模型结构,具体包括:首先剔除 vip<0.5 的无显著影响变量;然后通过逐步筛选法验证剩余变量的预测贡献,进行变量筛选,保留对响应变量有显著影响的变量;随后开展置换检验判定无过拟合,对比模型拟合系数(r2)与交叉验证系数(q2)完成精度验证,最终得到兼具解释性与预测稳定性的 plsr 预测模型。

13、本发明的第二方面提供一种基于原料理化特性的饲料加工质量的预测方法,包括:

14、采用上述的建立方法构建基于原料理化特性的饲料加工质量预测模型;对混合原料的理化特性的原始数据进行标准化处理,得到混合原料理化特性的标准化值,将混合原料理化特性的标准化值带入所述基于原料理化特性的饲料加工质量预测模型,预测饲料的颗粒耐久性指数和制粒能耗。

15、优选地,所述基于原料理化特性的饲料加工质量预测模型包括:

16、y=0.1723*x3-0.0642*x4+0.0785*x5+0.1314*x7-0.1507*x9+0.1024*x13 +0.1302*x16+0.1256*x18;

17、z=-0.1207*x4-0.0712*x5-0.2245*x6-0.1689*x9-0.2012*x13-0.0913*x16-0.0978*x18;

18、其中,所有自变量指标均为经过z-score 标准化方法处理后的数值。x3为粗蛋白含量;x4为粗脂肪含量;x5为粗纤维含量;x6为松装密度;x7为振实密度;x9为摩擦角;x13为蛋白质分散指数;x16为衰减值;x18为回生值;y为耐久性指数;z为制粒能耗;上述自变量指标均为经过z-score 标准化方法处理后的数值。

19、本发明第三方面提供一种饲料原料制粒特性评分方法,包括以下步骤:

20、a1.采用z-score标准化方法对饲料原料的理化特性的原始数据进行处理,得到各指标标准化值;

21、a2.提取饲料加工质量预测模型中各系数作为各理化指标单项权重,权重正负与原回归系数保持一致;

22、a3.将待测原料各指标标准化值与对应权重相乘后求和,得到原料制粒品质原始得分、制粒效率原始得分,采用z-score二次标准化与中心化评分将原料制粒品质原始得分、制粒效率原始得分结果映射到0-10分区间,得到制粒品质得分和制粒效率得分,其中,制粒效率得分在映射前对制粒效率原始得分取相反数处理;制粒品质得分越高,表明此原料用于制粒饲料加工后可以更好地提高颗粒耐久性,制粒效率得分越高,表明此原料用于制粒饲料加工后可以更好地降低制粒能耗,提高生产效率。

23、优选地,所述基于原料理化特性的饲料加工质量预测模型包括:

24、y=0.1723*x3-0.0642*x4+0.0785*x5+0.1314*x7-0.1507*x9+0.1024*x13 +0.1302*x16+0.1256*x18;

25、z=-0.1207*x4-0.0712*x5-0.2245*x6-0.1689*x9-0.2012*x13-0.0913*x16-0.0978*x18;

26、其中,所有自变量指标均为经过z-score 标准化方法处理后的数值。x3为粗蛋白含量;x4为粗脂肪含量;x5为粗纤维含量;x6为松装密度;x7为振实密度;x9为摩擦角;x13为蛋白质分散指数;x16为衰减值;x18为回生值;y为耐久性指数;z为制粒能耗;上述自变量指标均为经过z-score 标准化方法处理后的数值。

27、本发明与现有技术相比,具有以下有益效果:

28、本发明通过筛选多项饲料原料理化特性进行检测,根据plsr回归建模,最终确定了对饲料颗粒耐久性、制粒能耗具有重要影响的关键指标及其量化关系模型。基于plsr模型系数进行理化特性指标赋权,通过原料关键指标检测、数据标准化及加权计算,可以快速得出一种未知原料对饲料加工质量和加工能耗的影响以及量化评分,提前做出配方及工艺参数调整方案,节省加工成本,提高生产效率,避免非计划停机。

29、本发明建立了一种基于原料理化特性的饲料加工质量预测模型,并将其用于量化评价原料对饲料颗粒耐久性和加工能耗的影响,可以对饲料加工中的原料选择和工艺参数调整提供重要参考。本模型是根据原料特性和工艺参数建立的,所以只需对原料的理化特性进行检测获得数据即可预测其制粒性能,有效避免了由于新原料使用造成的饲料品质下降、生产波动问题,大大降低了实际生产中的试错成本,高效助力企业降本增效。