Оценка уровня растворимых углеводов в люцерне и применение технологий искусственного интеллекта

Целью исследований является оценка уровня растворимых в нейтральном детергенте углеводов люцерны (Medicago varia Mart.) при возделывании ее в условиях Центрального Нечерноземья на дерново-подзолистой почве, а также обзор новых методов (искусственные нейронные сети) в решении данного вопроса. Содержание нейтрального детергента углеводов определяли по формуле: 100 – сырой протеин – нейтрально-детергентная клетчатка – сырая зола – сырой жир. Используя данные о содержании компонентов формулы, определяли уровни нейтрального детергента углеводов у четырех сортов люцерны в следующие фазы роста: ветвление, начало бутонизации, бутонизация и цветение. Концентрация нейтрального детергента углеводов уменьшалась по мере созревания растений и составила (% на сухое вещество в среднем для всех сортов): в ветвлении – 39,4; в начале бутонизации – 35,5; в бутонизации – 32,7; в цветении – 26,6 соответственно. В более прохладных и влажных условиях вегетации отмечается меньшее содержание сырого протеина и НДК, в связи с чем уровень нейтрального детергента углеводов был выше и составил 36,1% в фазу бутонизации. Существует тесная отрицательная корреляция между нейтральным детергентом углеводов и содержанием суммы нейтрально-детергентная клетчатка + сырой протеин и одной нейтрально-детергентной клетчатки. Коэффициенты корреляции составили 0,96 и 0,90 соответственно. Из составных частей нейтрального детергента углеводов определяли уровни неструктурных углеводов и их долю. Оба эти показателя снижались по мере вегетации растений. Методы определения протеина, клетчатки и сырой золы могут быть основаны на применении инфракрасных анализаторов. При этом важно построить адекватные калибровочные модели, которые носят нелинейный характер. К передовым методам построения калибровочных моделей можно отнести методы искусственного интеллекта, а именно искусственные нейронные сети. Такая методология может быть использована, например, для рекомендации оптимального периода проведения укоса трав.

1. Homolka P., Koukolova V., Podsedniček M., Hlavačkova A. Nutritive value of red clover and lucerne forages for ruminants estimated by in vitro and in vivo digestibility methods. Czech Jornal of Animal Science. 2012; № 57(10):454-568. http://doi.org/10.17221/6346-CJAS

2. Rooke, John A. and Hatfield, Ronald D. Biochemistry of ensiling. P. 120. Электронный ресурс. Режим доступа: http://digitalcommons.unl.edu/usdaarsfacpub/1399 (дата обращения: 01.08.2024)

3. Hall M.B., Hoover W.H., Jennings J.P. and Miller Webster T.K. A method for partitioning neutral detergent-soluble carbohydrates. Jornal of the Science of Food and Agriculture. 1999;79:2079-2086.

4. Villalba J.J., Ates S and MacAdam J.W. Non-fiber Carbohydrates in Forages and Their nfluence on Beef Production Systems. Frontiers in Sustainable Food Systems. 2021;5:56633875. https://doi.org/10.3389/fsufs.2021.566338

5. Van Soest P.J., Robertson J.B., Lewis B.A. Methods for dietary fiber, neutral detergent fiber, and nonstarch polysaccharides in relation to animal nutrition. The Journal of Dairy Science. 1991;74:3583-3597. https://doi.org/10.3168/jds.S0022-0302(91)78551-2

6. Mary Beth Hall. Working with Non-NDF Carbohydrates with Manure Evaluation and Environmental Considerations. URL: https://www.txanc.org/Proceedings/2002/Non-NDF-Carbohydrates.pdf (дата обращения: 01.08.2024)

7. Marković J., Babić S., Terzić D., Zornić V. et al. Carbohydrate content of alfalfa harvest at different development stage in the spring growth. 11th International Symposium ‘Modern Trends in Livestock Production’. October 11-13, 2017. Belgrade, Serbia, 2019:706-712.

8. Gu Y., Wu J., Guo Y., Hu S. et al. Grade Classification of Camellia Seed Oil Based on Hyperspectral Imaging Technology. Foods. 2024;13(20):3331. https://doi.org/10.3390/foods13203331

9. Kaewsorn K., Phanomsophon T., Maichoon P., Pokhrel D.R. et al. Modeling Textural Properties of Cooked Germinated Brown Rice Using the near-Infrared Spectra of Whole Grain. Foods. 2023;12(24):4516. https://doi.org/10.3390/foods12244516