Sensores NIRS para el control nutritivo y fermentativo de ensilados de maíz en explotación

• Autores: S. Modroño Lozano, Ana Belén Soldado Cabezuelo, Adela Martínez Fernández, María Begoña de la Roza Delgado
• Localización: Renaturalización vs. Ruralización / coord. por Jordi Bartolomé Filella, Elena Albanell Trullás, María José Milán Sendra, Emmanuel Antonio Serrano Ferrón, Mª Josep Broncano, Carme L. Manuelian Fusté, 2017, ISBN 978-84-16989-59-1, págs. 58-64
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Con el objetivo de determinar en tiempo real parámetros nutritivos y fermentativos en ensilados demaíz, utilizando un sensor NIRS portátil (microPHAZIR™ Handheld NIR Analyzer) y 97 muestras deensilado de maíz en forma intacta, se desarrollaron modelos de predicción cuantitativos. Seobtuvieron coeficientes de determinación de la calibración entre 0,7 y 0,9 para los parámetrosnutritivos y fermentativos evaluados, excepto para pH. Los parámetros nutritivos alcanzaron losmejores resultados aplicando un tratamiento en primera derivada y para los fermentativos ensegunda derivada. En ambos casos, la derivada se combinó con el tratamiento matemático StandardNormal Variate. El error de predicción de los diferentes parámetros fue evaluado en base a larelación entre el error de validación cruzada y el valor promedio de la población, inferior al 10%para todos los parámetros relacionados con calidad nutritiva, excepto para almidón (15%), mientrasque en fermentativos el error varía entre 19% (ácido láctico) y 38% (ácido acético). Los resultadosobtenidos ponen de manifiesto la capacidad de los sensores NIRS portátiles como instrumentos parala gestión de ganadería de precisión, y para optimizar las prácticas de alimentación.

  • English

    We aimed to establish controls of nutritive and fermentative parameters on maize silages at a farmlevel. We used the sensor microPhazir™ Handheld NIR Analyzer and 97 maize silage samples todevelop quantitative prediction models that displayed determination coefficient values between0.7-0.9 for all nutritive and fermentative parameters, except for pH due to narrow variability range.Related to nutritive parameters, the best results were obtained using first derivatives as amathematical treatment and for fermentative parameters after applying a second derivative. Inboth cases it was necessary to apply a Standard Normal Variate pre-treatment. The predictionerrors, evaluated as the ratio between cross validation error and average value of population foreach parameter, were lower than 10% for nutritive quality, except for starch content (15%), whilefor fermentative parameters errors varied 19% (lactic acid) and 38% (acetic acid). The resultsdemonstrate the potential of these handheld NIRS sensors for use in Precision Livestock Farming tooptimize animal feeding practices.