来源：期刊VIP网 时间：
作者：戴雨池;陈傲;郑伟杰;家瑞科;叶雯;王哲;曹慧;贺巾锋;孙东晓;韩博;
单位：中国农业大学动物科学技术学院,农业农村部动物遗传育种与繁殖重点实验室,动物育种国家工程实验室,畜禽生物育种全国重点实验室;
摘要：随着科技的进步，传感器和非侵入式工具为经济、高效地获取奶牛高通量表型数据提供了新途径，同时带来了大数据处理与分析的挑战。红外光谱因其非破坏性、高通量、简单快速和成本低的特点，被广泛应用于奶牛生产性能测定，产生了大量可用的中红外光谱大数据集。这些光谱数据可以用于预测奶牛的乳成分信息，进而预测奶牛的代谢及健康性状，但模型的准确性和稳健性仍需提升。机器学习能对大数据集进行智能预测和模式识别，在解决这些挑战中展现出巨大潜力。利用机器学习算法处理和分析红外光谱数据，可以从复杂的数据集中提取有价值的信息，以提高预测模型的稳健性和准确性。本文综述了红外光谱技术、机器学习及其在预测奶牛乳成分、代谢及健康性状中的应用，以期为精准畜牧业的发展提供新的研究视角和实践策略。
关键词：表型;红外光谱;机器学习;奶牛
基金资助：国家重点研发计划（2021YFF1000700）; 科技创新2030—重大项目（2023ZD04069）; 长江学者和创新团队发展计划（IRT＿15R62）; 国家现代农业产业技术体系（CARS-36）; 中国农业大学动物科学技术学院青年英才发展计划
