AI和饲料添加剂可以减少排放吗？

对反刍动物牲畜的减少甲烷排放仍然是乳制品行业的主要挑战。现在，AI技术通过预测饲料添加剂的有效性来实现突破。一项新的研究验证了13个商业农场的这种方法，这标志着迈向更可持续的乳制品生产的重要一步。

反刍动物的产量取决于微生物的发酵味，以发酵为有价值的乳制品和肉类产品。但是，此过程还产生肠甲烷排放，这是人为温室气体的重要贡献。

到目前为止，尽管采用了各种策略，但仍在减少甲烷排放方面的成功限制。

AI排放模型开发

在先前的一项研究中，以色列马萨诸塞州技术与甲烷人工智能研究所的科学家开发了一种基于深层微生物组测序的AI驱动模型，该模型预测了饲料添加剂对甲烷排放的影响。

该模型使用来自给定群的测序瘤胃样品来构建微生物组网络，以识别与饲料添加剂有效性相关的生物标志物，以减少甲烷排放。

验证AI模型：新研究

他们的最新研究发表在《期刊》上可持续食品系统的前沿，团队验证了提供商业甲烷降低饲料添加剂并执行数百个模型的模型原位以色列商业荷斯坦奶牛场进行的甲烷测量。

研究设计和方法论

该研究的主要目标是使用精油饲料添加剂验证AI驱动模型的准确性（Agolin反刍动物），它因其还原甲烷的潜力而被认可，该潜能由香菜种子油，丁香酚，乙酸乙酸甘蔗醇和香精醇组成。

随后是广泛的体内甲烷排放过程包括在3个月内在每个部位的同一时间进行双周甲烷测量，导致至少7个时间点。

为了避免季节性影响并增强方法论在鲁棒性，模型验证是在以色列的13个不同农场的独立人群中进行的，包括干旱和山区。

农场状况和治疗

牛群以标准混合饮食维持，其饲料含量为32/68，而每个农场则遵循自己的营养方案。

在研究中，所选的饲料添加剂由每位当地农场工作人员（1克/牛/天）二进，与混合物的浓缩部分混合在一起，作为在每个地点的20个随机选择的奶牛的顶级调味料。从对照组中随机选择了另外20头母牛，接受了标准混合饮食，而无需进食添加剂。

甲烷排放结果

使用ATEX气体分析仪获得了用于模型性能评估和验证的肠甲烷测量。

与对照组相比，在给予饲料添加剂后，经过处理的组的甲烷排放量显着下降，在13个农场中有11个减少了，范围仅为0.1％至19％，总体降低了9.86％。其他2个地点的甲烷排放量略有增加1.1％。

模型的准确性和结论

为了测试准确性，研究人员将肠甲烷排放与AI驱动模型获得的预测进行了比较。他们发现该模型即使在效果最小的情况下，该模型也可以准确地预测饲料添加剂的效果。

结果突出了模型的鲁棒性和精度，证明了其在预测肠甲烷减少和增强饲料添加剂性能方面的有效性。

此外，该模型是数据驱动决策的关键工具，在推进精确农业实践方面发挥了关键作用。