種豬生長性能自動測定系統的數據正確性及其影響因素

杜秉華，樓平兒，王燕麗

（1.浙江省金華市婺城區八一南街紫荊苑，321000；2.成都天邦生物制品有限公司,四川 成都 610100；3.金華職業技術學院，浙江 金華 321007）

種豬生長性能自動測定系統的數據正確性及其影響因素

杜秉華1，樓平兒2，王燕麗3

（1.浙江省金華市婺城區八一南街紫荊苑，321000；2.成都天邦生物制品有限公司,四川 成都 610100；3.金華職業技術學院，浙江 金華 321007）

很多人認為既然是“自動”生長性能測定設備（簡稱為“自動測定設備”），就可以把運行過程中的人為管理降低到最低程度，而且往往把從測定設備里得到的實測數據直接拿來進行后續性能等分析。這其實是一個很大的誤解，因為自動測定設備本身的精確度（奧斯本為1.5%）并不等于數據正確性，而且機械粘連、斷料、動物行為等因素都會對數據正確性造成影響。該文從數據正確性的3個組成方面（數據精確性、準確性和合理性）入手，從負采食量、單次采食大于1500g和最大采食速度等方面詳細闡述在測定設備運行中受到的影響因素及對育種值估計誤差較大的結果。

生長性能自動測定設備；數據精確性；數據準確性；數據合理性；動物行為；育種影響

0 前言

使用自動測定設備替代人工對種豬進行生長性能的測定，是我國養豬業近年來的一個重大進步。然而在使用過程中，很多人認為可以把運行自動測定設備的人為管理因素降到最低程度，可以把自動測定設備得到的實測數據理解成準確數據而直接使用。從我們使用自動測定設備多年的工作經驗來看，這是一個很大的誤解。如果忽視對自動測定設備的人為管理和對測定設備數據的理解不科學，則直接運用實測數據后所推演結果的正確性要比我們想象中的要差很多，由此得到的推演結果不僅會影響到測定性狀的正確性描述，而且會影響到育種的成效和成本，更會影響到國內生豬改良計劃的有關收集數據的正確性。

關于自動生長性能測定系統的數據正確性問題在國內極少討論，所以筆者在此對自動測定設備測定數據的正確性及影響其在運行過程中所受到的內外因素進行初步探討。

1 生長性能自動測定設備本身標定的“實測數據精確性”不能替代“實測數據的正確性”

1.1 生長性能自動測定設備實測數據的精確性的提出

在2000年初，美國奧斯本的生長性能自動測定設備進入中國市場時，把美國Rod Korthals博士撰寫的《FIRE性能測定飼喂器的精確性》（ACCUR ACY AND PRECISION OF THEFIRE ? PERFORMANCE TESTING FEEDE R）[1]作為奧斯本進行商業推廣的科學依據，把數據的精確性作為該設備的主要性能來介紹。在該文中，Rod Korthals博士比較詳細地講述了奧斯本動態投料型自動測定設備對飼料的稱量精確性的驗證方法和驗證結果，表示設備的平均精確性可以達到1.5%，這遠遠超過了人工測定的大于5%（可能會更高）的平均精確度。當時，精確性是吸引大家的主要亮點，再加上它的高效大群測定等一些其他的優點，又趕上國內行業發展的時機，從此自動測定生長性能的設備，尤其是動態投料型的自動測定設備在國內得到快速推廣。在隨后歷次大大小小的豬業展會上，動態投料型的國內外產品也紛紛涌現，直到現在占據了國內測定設備的主要市場。

Rod Korthals博士的文章在推廣設備時起了不小的作用，但他在文中提到的“精確性”的兩個重要條件卻被斷章取義掉了：1）“1.5%的平均精確性”是在比較嚴格的實驗條件下所得到的。2）對數據的準確性在實際生產條件下難以驗證。然而，直到經過10多年后的現在，國內眾豬場對普遍得到的測定數據的正確性認識還是不容樂觀的。可能重要的原因之一是對自動測定設備得到的數據正確性還沒有一個明確的認識，把設備在理想實驗條件下得到性能數據的精確性等同于在生產條件下的工作數據的正確性，由此帶來的是對實際生產條件下管理的輕視和對得到實測數據可信度的忽視。

1.2 舉例說明“實測數據的精確性”不等于“實測數據的正確性”

以自動測定設備經常出現的負采食量為例，從3個有代表性（以管理的優良程度來分類）的種豬測定場的實測數據來說明實測數據的精確性不能替代實測數據正確性的原因，以及這個數據結果又將對育種值評估會產生怎樣的影響。

從表1的數據上可以看到：1）負的采食量事件比率顯然已經大大超出了“1.5%的精確度”，也已經超出了數據誤差的概念，所以不能用數據精確性的定義進行表述，只能用數據不正確來表述。2）且先不談造成負采食量的原因，單從它所造成的后果來看，C場的負采食量對實測數據的誤差影響遠遠超過1%（達到6.99%）。在評估豬的FCR時，1%的負采食量誤差可能會對FCR造成放大4倍（數據統計結果）的影響。如果FCR有4%的差異，那對某頭豬的飼料轉化效率的成績就至少會造成16%的差錯，而大白豬和杜洛克豬的FCR遺傳力也只有0.15～0.41[2-4]。3）豬場實際運行的條件與嚴格的實驗條件完全不能等同，當時Rod Korthals博士輕輕帶過的兩個問題現在變得現實并突出了，加上從自動測定設備得到的實測數據也是一種大數據，再加上數據信息處理等技術的提高，如何在實際條件下使用自動測定設備所得到的各種大數據怎么為現代育種進行服務的問題也浮出水面。那么生產性能自動測定設備的數據正確性到底應該包括哪些方面呢？

2 生長性能自動測定設備數據的正確性

筆者認為構成生長性能自動測定數據的正確性由3個方面構成：由設備本身帶來的數據精確性、主要由外界因素引起的數據相對誤差、以及活口測定帶來的動物行為所引起的異常數據的合理性。

2.1 設備本身帶來的數據精確性

在正常情況下，通常測定數據理論中的正確性包括兩個方面：即數據的精確性和數據的準確性。數據的精確性是第一方面，是指自動測定設備本身的工作能力，也反映了設備系統正確分辯校準砝碼的規定單位的能力。雖然精確性還應該有更細分的項目，如穩定性、示值分辨率等，但筆者認為奧斯本公司介紹的數據精確性還是最重要和最實用的工作指標，這個指標已經能基本滿足現在的需要。

該設備提供了監測精確性的“窗口”，這就是在系統運行時所同步產生的投料日志文件和出錯日志文件，以及飼料和體重稱量的校準記錄，通過這“窗口”能讓我們在有故障或失穩時發現情況。以下的例子是動態投料型設備在監測其飼料的投料校準值的情況。

從上面的實例可以看到測定設備是被實時監測的，這個監測作用有兩個：一是可以監視設備系統的運行狀況，作為進行設備維護或維修的依據；二是可以結合監測所測豬的即時采食量和體重，作為測定數據的維護依據。

在管理和設備運行正常的情況下，是能基本穩定和保證設備的這個精確度的。如果發現投料校準值有線性變化或者有大幅變化時，就需要慎重對待這個誤差了。

2.2 數據的準確性

這是數據正確性定義中的第二個方面。簡單地說，數據的準確性就是設備因本身性能外的原因而導致數據出現了誤差的結果，或是設備在外界隨機發生的因素影響下而使數據對真值產生偏移的程度。

豬場實際的測定工作環境和條件與實驗的環境和條件相差很多。從我們的實踐來看，外界因素對數據的正確性影響是很大的，即種豬測定場的測定結果誤差普遍遠大于設備本身的精確度（1.5%）。這很大的原因是沒有把數據的準確性因素納入考慮范圍，而數據的準確性對數據正確性的影響往往遠大于數據的精確性。這些原因主要發生在管理方面，如供電中斷、飼料中斷、機械粘連、電子電氣和機械的設備故障、飼養管理、疫病等都會對設備記錄數據時產生直接和間接的隨機誤差影響。前面提到的負采食量也是其中之一，因為相當一部分的負采食事件是由機械的粘連引起（粘連是設備故障的一種表現）。以下是機械粘連導致的數據不準確產生的誤差例子。

例1：圖2中的兩個采食事件數據是受粘連影響后的采食量（采食量為-2.721 kg和2.943 kg），這都是不準確的數據，是設備粘連的原因影響了這連續的兩個事件的采食量。

例2：設備粘連易導致體重數據不準確，甚至有10%或更大的誤差（圖3）。

上述兩個例子中的數據的實際誤差遠大于設備精確度的1.5%，這是外界因素引起數據的不準確的結果。我們在自己的實際運行和同行的交流中，發現這種情況還是比較普遍。

當然，一個不正確的事件數據往往可能是幾個因素疊加的結果，這些因素往往是外界的因素。通過誤差數據中體現的數據特征可以查找其背后的原因，即使是多個原因的疊加，也能大致判斷其具體原因。

2.3 數據的合理性

從經典的數據正確性定義來講是沒有數據合理性這一說法的，因為經典的數據正確性把外界的各種影響都歸到隨機因素的范疇。雖然動物的行為差異也確實是一種影響測定設備的外界因素，但我們還是認為有必要把動物的行為作為影響測定數據正確性的一個專項因素來處理，因為這有利于我們對養豬業測定數據的分析和測定工作的管理。其一，在測定活口時，動物的行為對設備系統性能的互動影響是很大的。我們發現在管理正常的測定豬場內如有不正確的數據出現，其中往往超過50%以上是由動物行為直接或間接引起的。其二，所有的數據大多表現為動物的行為數據，而這些行為數據又是判斷測定數據正確性的重要依據。其三，由動物行為引起的異常數據在養豬業測定過程中無法用通常的數據誤差理論中的校驗方法及其平行測試數據進行監測。

在測定動物生長性能時，采食數據和體重數據可以作為監測動物行為的數據。采食量數據主要有一次性最大采食量、采食速度、最長和最短采食時間；體重數據主要是測定豬在短時間內的體重差值。以下舉例說明動物行為對一次性最大采食量的合理性影響。

奧斯本公司把1 500 g作為測定豬一次性最大采食量的合理性數值，即超過此值就認為該數據不正確而可以在軟件中自動過濾掉。這里就把一次最大采食量超1 500 g作為合理性判斷的數值。以下數據來源于國內3個不同管理程度（好、一般、差）的豬場，測定豬都為瘦肉型豬。

從表2可得到：1）在正常測定管理的情況下A、B兩個豬場所有測定豬的單次采食量大于1 500 g的事件比率很低的。在場A，每頭測定豬的單次采食大于1 500 g的采食事件的發生率僅為0.05%。場B也基本達到了規范操作的要求，全場平均值也只有0.06%（附帶指出的是場B有1/4的工作站發生的1 500 g事件數為0）。這表示在測定種豬的正常過程中是存在單次最大采食量超1 500 g的合理事件。國外也有過專題討論過此值是否合理，結論與此相符。2）單次最大采食量對其他指標有放大影響的作用。場B比場A的事件數的發生率只提高了0.01%，而對日均采食量（ADFI）的影響卻增加到了0.7%；場C的事件數的發生率為4.32%時，對ADFI的影響就飆升到了30.73%。3）通過計算，我們發現這種采食量數據的誤差值對飼料轉化率（FCR）可能會有放大4倍的影響。更何況單次采食大于1 500 g本身就是通常采食量的幾倍值，再加上當這種數據失控時其量值會呈幾何級數地增加，所以這里的誤差會對FCR的誤差放大遠遠多于4倍的貢獻。4）一頭豬在一次性采食量超過1 500 g，從數據本身來講不表示任何差錯，而且在豬場的測定過程中也沒有通常數據誤差理論中的使用平行測試數據進行校驗的可能，這是自動測定設備在養豬業應用時需進一步研究的信息。

表1 3個不同管理水平的種豬場實測數據的負采食量情況

表2 不同管理水平豬場中的單次采食大于1 500 g的事件數據情況

圖1 自動測定設備所監測的投料校準值情況

圖2 粘連影響的不準確采食事件數據

圖3 粘連導致的體重數據不準確

圖4 3頭豬不正確的采食速度

上例表明了動物一次性最大采食的行為數據對動態性投料的設備故障和運行管理有很大的監測意義，對ADFI、FCR等育種值的估算也有很大的影響。所以把動物行為數據的合理性作為自動測定設備的數據正確性是具有現實意義的。

另外比較重要的有關動物習性的數據事例，是最大采食速度。如圖4中的3頭豬的采食速度，應視為不正確的數據。

圖4顯示了3頭豬都是平均采食速度大于500 g/min，這是不正常的采食速度。這3個連續不正確數據的實際原因是系統供料有故障，但是以異常的采食行為數據表現出來。實際結果應該是這些豬的當時采食量都為零。由此可見，對這3頭豬進行飼料報酬計算時，每個數據都受到1%左右的影響了。

3 結論

種豬生長性能自動測定設備在測定過程中的數據正確性受到多種因素的影響，我們把正確性歸類成3個方面：精準性、準確性和合理性。以往較多地關注數據正確性的第一方面——精確性，而沒有或極少重視正確性的第二和第三方面——準確性和合理性。然而實踐卻表明：在管理一般的測定場內，數據的準確性對測定數據正確性的影響遠比數據精確性的影響要大。第三方面的數據合理性除了是分析和監測數據的重要依據外，實際上也是對數據正確性影響很大的一個因素。

討論測定數據的正確性問題有助于我們有方向地去監測運行測定工作，以便有效地采取措施去防止和維護故障，有依據地采信測定的數據結果，以期達到我們使用生長性能自動測定設備的目的——希望提高種豬生長性能測定工作的效率，降低測定工作的成本和達到好的經濟效益。

[1] Rod Korthals.Accuracy and Precision of the FIRE Performance Testing Feeder.Web﹕www.osborne-ind.com.

[2] 楊運清,王忠新,尹炳北.比值性狀的指數選擇方法探討[J].畜牧獸醫學報,2000,31(3)﹕198-202.

[3] SAINTILAN R,SELLIER P,BILLON Y,et al.Genetic correlations between males,females and castrates for residual feed intake,feed conversion ratio,growth rate and carcass composition traits in Large White growing pigs[J].Journal of Animal Breeding and Genetics,2012,129(2)﹕103-106.

[4] HERMESCH S,LUXFORD B G,GRASER H U.Genetic parameters for lean meat yield,meat quality,reproduction and feed efficiency traits for Australian pigs﹕2. Genetic relationships between production,carcase and meat quality traits[J].Livestock Production Science,2000,65(3)﹕249-259.

2017-01-03）