中国饲料成分及营养价值表(2011年第22版)制订说明

一、本次修订版本是在《中国饲料成分及营养价值表1990年第1版至2010年第21版》的基础上,结合①中华人民共和国农业部2004发布修订的猪、鸡、牛等饲养标准;②科技基础条件平台建设项目动物科学与动物医学数据中心建设;③农业部重大行业科技项目饲料营养价值和畜禽饲养标准研究与应用;④动物营养学重点实验室自主研究课题及奶业973项目等研究工作基础上修订的,同时参考了Feedstuffs2011版饲料成分表、法国饲料数据库、德国德固赛饲料氨基酸数据库、2009年日本饲料成分表等数据。继续完善了饲料中的饲料成分与营养价值数据,对部分发布过的生物学效价数据再次进行了调整。     

种猪场健康养殖网络管理系统的研制

一个基于C#、VB.NET和JavaScript编程语言,以SQL2005为数据库,以Windows2003为服务器平台的种猪场健康养殖网络管理系统,包括基础数据的维护、生产管理、猪群繁殖、饲养与饲料、疾病与防疫、销售管理、统计图表、场内管理和系统维护共九大模块.     

生猪及其产品从农场到餐桌质量溯源解决方案——以天津市为例

 【目的】满足政府监管猪肉的安全生产和食品消费者的知情权,保障猪肉食品的公共安全。【方法】采用动物的标识技术、PDA智能识读技术、GPRS技术、Intranet和Internet等技术,结合中国《畜禽标识和养殖档案管理办法》,提出基于猪肉安全生产的物质流与信息流的跟踪与溯源流程,设计集约化养猪场及散养模式下养殖、屠宰与销售环节的元数据及相应的关系型数据表,并开发上述3个环节的数据记录系统,以及面向政府监管和消费者查询的公共网络平台。【结果】开发的集约化养殖过程信息系统在记录猪只各种事件数据的基础上,具有对饲料添加剂和兽药使用的业务预警功能,能及时向溯源中央数据库提交出栏猪只的养殖过程事件;开发的PDA数据采集系统,能移动采集散养猪只的养殖事件数据,并通过GPRS远程提交溯源数据;开发的基于web技术的天津猪肉质量溯源平台,具有在线集成来自养殖、屠宰和销售环节的各种标识数据及有关猪肉质量安全数据,并实现标识的转换与数据的关联,最终实现从生产源头向消费终端的跟踪和反方向的可追溯。【结论】本研究开发的或集成的各种标识技术、元数据规范及数据记录系统和web查询平台,经过实际应用是可行的,个别技术瓶颈随通讯技术的发展将得到解决,其全面实施将为保证猪肉质量安全生产的监管及满足消费需求提供技术支撑。     

对偶模型在畜禽饲料配方优化设计上的应用

 在一般线性规划配方模型基础上通过引入其对偶线性规划问题 ,以求解参与优化计算的养分项目即资源的影子价格。在配方优化设计领域 ,养分资源的影子价格揭示了当增减参与计算并希望最终达到的养分指标时对最终饲粮成本的影响程度。某一资源影子价格的值越大 ,表明其对配方的最低成本影响越突出 ;而影子价格为“零”的养分指标是指其在特定取值范围内 ,该指标的达成对最低成本不构成影响 ,同时笔者还讨论了今后我国饲料配方技术研究的深层次发展方向     

规模化奶牛场数字化网络管理平台开发与应用

【目的】利用网络数据库技术,建立规模化奶牛场生产过程数据网络整合与智能分析共享平台,以满足规模化奶牛场数字化管理水平,提高繁育效率及遗传进展。【方法】基于奶牛从发情、配种、孕检、妊娠、产犊、泌乳、干奶到下一个繁殖周期的生产管理流程,将奶牛划分为犊牛、青年牛、育肥牛、泌乳牛、干奶牛5种类型,在设计采集生产母牛及公牛基本信息及数据标准规范后,采用Microsoft.Net框架、SQL Server 2008网络数据库及FusionCharts网络绘图等技术,研究构建规模化奶牛场繁殖、泌乳及健康等数据管理及智能分析平台。【结果】平台一级子系统包括系统维护、牛只管理、繁殖管理、产乳管理、饲养管理、健康管理、统计分析及场内管理。在8大子系统上总共实现的功能模块多达96项。其中,系统维护6项,牛只管理10项,繁殖管理13项,含DHI数据的产乳管理14项,饲料管理4项,健康管理10项,统计分析18项以及场内管理21项。平台主要实现了对奶牛繁殖与泌乳生产核心数据的网络远程数字化管理,主要包括公、母牛个体繁殖状态的全程记录、不同胎次的泌乳数据的记录、牛只资料卡等在线动态分析、各类基础数据的排序与输出等。在数据挖掘分析上,可在线计算平均胎间距、泌乳牛胎次结构、高低产母牛数量、系谱跟踪及近交系数等。在生产提示功能设计上,可处理的项目包括发情配种、初检复检、产犊泌乳、干奶、催乳、淘汰及犊牛断奶等各类将发生的生产事件,而且可对大部分统计分析数据进行可视化图形渲染处理,如胎次产量分布图、年度产奶比较图、二叉树谱系图及泌乳曲线图等。【结论】对生产过程基本数据的分析与数据挖掘,提升了基础数据的利用价值,更有利于奶牛场管理者的科学决策。     

中国饲料成分及营养价值表(2008年第19版)制订说明

一、本次修订版本是在<中国饲料成分及营养价值表1990年第1版～2007年第18版>的基础上,结合①中华人民共和国农业部修订的猪、鸡、牛等饲养标准;②科技基础条件平台建设项目--动物科学与动物医学数据中心建设课题;     

转基因产品可追溯管理及溯源技术研究进展

家畜生产链中的转基因技术作为改善农业技术,提高农业经济效益的新技术,是21世纪不可回避的并需要积极应对的技术领域。鉴于转基因食品、动物饲料及其动物产品的安全与风险并存,本文阐述了转基因生物及转基因动物的概念内涵,总结了世界各国及其消费者对转基因技术及其产品的接受态度,其中欧盟对于GM食品、饲料及GM动物的开发持谨慎的态度,在相关标识及立法上起步早,并随着技术进步不断完善立法。对于食品和饲料的GM的标识阈值欧盟为0.9%,澳大利亚和新西兰则为1%,日本与韩国则对此标识未作要求,美国、加拿大和阿根廷等则对GM产品标识采取自愿的方法,而我国目前的相关立法着重于对转基因产品安全审批,但对终端产品管理和标识尚无界定。其次,本文总结了中国在转基因动物溯源技术方面所开展的工作,一是基本构建了基于基因改良的转基因动物数据库及溯源网络平台(www.gmanimal.com.cn);二是提出了转基因动物产品溯源的全程标识技术路线;三是使用Net及网络数据库技术开发了转基因动物(猪)及其产品全程溯源模式系统,可实现从是否使用转基因饲料和(或)使用转基因动物及其产品生产的正向跟踪及方向溯源,为满足政府的监管及消费者的知情权和选择权在技术上做好了储备。     

泌乳奶牛全混合日粮精准计算系统(英文)

[目的]满足泌乳奶牛日粮营养需要的精确预测和饲料配方的优化计算,探索奶牛日粮设计的内在规律。[方法]基于美国康奈尔大学提出的净碳水化合物和蛋白质体系(cornell net carbohydrate and protein system,CNCPS),集成NRC(2001)推荐的奶牛主要养分需要的动态预测模型,结合《中国饲料数据库》积累的奶牛常用饲料的CNCPS参数数据,采用FOXPRO数据库技术和参数线性规划的优化技术,研究开发针对荷斯坦泌乳奶牛日营养需要的计算和全混合日粮(total mixture ration,TMR)配方优化系统。[结果]本系统优化日粮全面考虑了精饲料与粗饲料的平衡,日粮瘤胃降解蛋白与过瘤胃蛋白的平衡,粗蛋白与泌乳净能的平衡,纤维性物质(中性洗涤纤维,neutral detergent fiber,NDF和酸性洗涤纤维,acid detergent fiber,ADF)与非纤维性性碳水化合物(non-fiber carbohydrates,NFC)的平衡、钙磷平衡、电解质平衡及微量元素的平衡,并通过模型可计算得到进入小肠的各种性质的氨基酸流量。[结论]利用动态模型及计算机编程技术,可以实现奶牛日粮内在养分的相互协同与制约的精准优化设计。     

中国饲料成分及营养价值表(2010年第21版)制订说明

<正>一、本次修订版本是在《中国饲料成分及营养价值表1990年第1版~2009年第20版》的基础上,结合①中华人民共和国农业部2004发布修订的猪、鸡、牛等饲养标准;②科技基础条件平台建设项目"动物科学与动物医学数据中心建设";③农业部重大行业科技项目"饲料营     

中国饲料成分及营养价值表(2021年第32版)制订说明

一、本次修订版本是在《中国饲料成分及营养价值表1990年第1版 ~ 2020年第31版》的基础上,结合：国家农业科学数据中心（动物科学）建设与运行|动物营养学国家重点实验室自主研究课题|国家自然科学基金、中国农业科学院北京畜牧兽医研究所与温氏食品集团股份有限公司产学研合作项目、中国农业科学院科技创新工程-青年英才计划、科技部创新方法工作专项等研究工作成果|同时参考了Feedstuffs2021版饲料成分表、NRC2012发布的《中国猪营养需要量》（2020）、法国饲料数据库、德固赛AMINODat5.0等数据基础上修订的。除继续完善了饲料中的饲料成分与营养价值数据外,对部分发布过的生物学效价数据再次进行了补充与完善。 二、为方便读者, 本版本继续保留了通过饲料原料的化学成分计算猪饲料有效能值[总能（GE）,消化能（DE）,代谢能（ME）及净能（NE）]的预测模型。相关计算公式如下： 饲料总能（GE）（MJ/kg DM）=[4153+(56×EE)+（15×CP）-(44×Ash)]×0.0041868(Ewan,1989）。 生长猪饲料消化能（DE_GP）（MJ/kg DM）=[4168-（91×Ash）+（19×CP）+（39×EE）]×0.0041868（Noblet和Perez,1993）。 母猪饲料消化能（DE_S）（MJ/kg DM）=DE_GP（MJ/kg DM）×F1,其中F1为原料特殊因子,基于INRA（2004）发布的饲料能值为基础。 生长猪饲料代谢能（ME_GP）（MJ/kg DM）=DE_GP（MJ/kg DM）×F2,其中F2为原料特殊因子,同样基于INRA（2004）发布的饲料能值为基础。一旦INRA（2004）中不含必要的F2信息,可以参考NRC（2012）发布的能值数据。 母猪饲料代谢能（ME_S）（MJ/kg DM）=DE_GP（MJ/kg DM）×F3,其中F3为原料特殊因子,同样的,基于INRA（2004）发布的饲料能值为基础。 生长猪饲料净能（NE_GP）可以用以下2个公式（NEg4及NEg5）计算结果的均值（Noblet等,1994）： NEg4（MJ/kg DM）=[0.703×（DE_GP（kcal/kg DM）]+ (15.8×EE)+（4.7×Starch）-（9.7×CP）-（9.8×CF））×0.0041868| NEg5（MJ/kg DM）=[0.70×(DE_GP（kcal/kg DM）]+[16.1×EE)+（4.8×Starch）- (9.17×CP)-（8.7×ADF）]×0.0041868| 母猪的饲料净能（NE_S）（MJ/kg DM）=[0.703×(DE_S （kcal/kg DM）]+（15.8×EE）+（4.7×Starch）-（9.7×CP）-（9.8×CF））×0.0041868。 式中：EE,CP,CF,Ash,Starch,ADF分别为干物质中粗脂肪、粗蛋白质、粗纤维、粗灰分、淀粉及酸性洗涤纤维的含量, 单位均为% DM。此外,上述公式计算的有效能值均为绝干状态值,计算原样的能值时,按原样的干物质含量直接折算即可。 鸡的代谢能继续采用表观代谢能(AME),如果鸡或家禽营养需要量的能值采用氮校正表观代谢能(AMEn),则表２中所有饲料的AME值,均需要进行换算后才能使用。建议参考EVONIK Industries（2016）内部出版的AMINO Dat 5.0中整理的不同饲料的AMEn计算公式。