CN112584707B - 青贮制品的制备方法和设备以及青贮工艺 - Google Patents

青贮制品的制备方法和设备以及青贮工艺 Download PDF

Info

Publication number
CN112584707B
CN112584707B CN201980054916.6A CN201980054916A CN112584707B CN 112584707 B CN112584707 B CN 112584707B CN 201980054916 A CN201980054916 A CN 201980054916A CN 112584707 B CN112584707 B CN 112584707B
Authority
CN
China
Prior art keywords
silage
lactobacillus
content
product
index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201980054916.6A
Other languages
English (en)
Other versions
CN112584707A (zh
Inventor
I·安德里赫托
G·马尔凯西尼
L·塞尔瓦
M·加齐耶罗
S·滕蒂
M·米里索拉
E·加尔宾
B·孔蒂耶罗
D·格兰迪斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KWS SAAT SE and Co KGaA
Universita degli Studi di Padova
Original Assignee
KWS SAAT SE and Co KGaA
Universita degli Studi di Padova
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by KWS SAAT SE and Co KGaA, Universita degli Studi di Padova filed Critical KWS SAAT SE and Co KGaA
Publication of CN112584707A publication Critical patent/CN112584707A/zh
Application granted granted Critical
Publication of CN112584707B publication Critical patent/CN112584707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23K—FODDER
    • A23K10/00—Animal feeding-stuffs
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23K—FODDER
    • A23K10/00—Animal feeding-stuffs
    • A23K10/40—Mineral licks, e.g. salt blocks
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23K—FODDER
    • A23K30/00—Processes specially adapted for preservation of materials in order to produce animal feeding-stuffs
    • A23K30/10—Processes specially adapted for preservation of materials in order to produce animal feeding-stuffs of green fodder
    • A23K30/15—Processes specially adapted for preservation of materials in order to produce animal feeding-stuffs of green fodder using chemicals or microorganisms for ensilaging
    • A23K30/18—Processes specially adapted for preservation of materials in order to produce animal feeding-stuffs of green fodder using chemicals or microorganisms for ensilaging using microorganisms or enzymes
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
    • A23N17/00—Apparatus specially adapted for preparing animal feeding-stuffs
    • A23N17/008—Apparatus specially adapted for preparing animal feeding-stuffs for treating of silage, e.g. upgrading with water

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Polymers & Plastics (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Zoology (AREA)
  • Animal Husbandry (AREA)
  • Health & Medical Sciences (AREA)
  • Microbiology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medicinal Chemistry (AREA)
  • Fodder In General (AREA)
  • Distillation Of Fermentation Liquor, Processing Of Alcohols, Vinegar And Beer (AREA)

Abstract

本发明涉及一种制备具有改进质量的青贮制品的方法，一种使用该方法或青贮制品的青贮工艺，以及一种制备具有改进质量的青贮制品的设备。

Description

青贮制品的制备方法和设备以及青贮工艺
技术领域
本发明涉及一种制备具有改进质量的青贮制品的方法，一种使用该方法或青贮制品的青贮工艺，以及一种制备具有改进质量的青贮制品的设备。
发明背景
玉米青贮是世界上大部分地区牛群口粮中应用最广泛的饲料之一。虽然青贮的营养成分通常以其化学成分、干物质含量、粗蛋白质、淀粉、纤维和营养物质的消化率为特征，对优化动物生长性能至关重要，但人们普遍认为青贮工艺中的发酵质量及其好氧稳定性也很重要。事实上，经过异常发酵的青贮营养价值较低，动物经常拒食，导致干物质摄入量减少，生长性能下降。青贮工艺中发生的发酵质量可通过分析pH值和各种发酵产物(如乳酸、乙酸、丙酸、丁酸、异丁酸、乙醇、甘露醇和氨)浓度来确定。然而，这些参数中的每一个仅给出关于发酵的某个方面的信息。因此，为了评估一种发酵是否在质量上优于另一种发酵，必须建立质量指数得分，如Flieg-Zimmer得分、德国农业协会(DLG)和Vanbelle得分，或如之前Igino和Righetto等人(Andrighetto I et al.(2018),Proposal and validation ofnew indexes to evaluate maize silage fermentative quality in lab-scaleensiling conditions through the use of a receiver operating characteristicanalysis”,Anim.Feed Sci.Techno.242:31-40)所述的质量指数I1-I6，并考虑不同参数的权重。
然而，这些指数得分仅提供有关发酵后青贮质量的信息，不允许对青贮工艺进行任何修改或改进。
因此，本发明的目的在于提供一种方法，该方法允许农民预测新鲜收获作物(优选玉米)是否可以在发酵过程中转化为良好的青贮(silage)。这种方法将允许农民根据新收获作物的化学成分改变青贮工艺，以提高青贮产品的质量。因此，本发明的目的是提供一种方法，用于确定新鲜收获的作物(优选玉米)是否可以转化为良好的青贮，或者青贮工艺是否需要添加其他物质以改进收获作物的发酵。
发明简述
根据第一个方面，本发明涉及一种制备待经受青贮工艺的具有改进质量的青贮制品的方法，所述方法包括：
使待经受青贮工艺的新鲜收获制品经受分析过程，以确定表征所述收获制品的化学成分和/或性质的多个参数xi；
对所确定的参数xi应用第一模型以确定青贮能力指数Ini，其是收获制品的预期青贮能力的特征；
对所确定的参数xi应用第二模型以确定保持指数Rei，其是在青贮工艺期间收获制品的干物质预期损失的特征；
根据青贮能力指数Ini和保持指数Rei，确定添加到收获制品中用于控制青贮工艺的青贮添加剂的类型和量；和
在所确定的青贮添加剂的量超过零的情况下，将所确定的添加剂提供给所述收获制品以获得青贮制品。
与评估青贮产品质量的现有技术相比，本发明的方法确定将收获制品转化为良好青贮产品的潜力，从而可以预测经历有利发酵过程的能力以及青贮工艺中损失干物质的风险。此外，本发明的方法使农民能够通过选择要添加来影响青贮工艺的适当青贮添加剂来优化青贮工艺。这在已知的质量指数得分如Flieg-Zimmer's得分或描述发酵过程后玉米青贮的质量的其他得分下是不可能的，因此不可能对青贮工艺进行微调以获得改进的青贮产品。
因此，本发明的方法采用两个指数，即：
(1)青贮能力指数，也称为Ini，和
(2)保持指数，也称为Rei。
青贮能力指数Ini表示收获制品的预期青贮能力。因此，它代表了新鲜收获制品的化学成分(由参数xi表示)与青贮产品的质量(即其化学成分)之间的关系。后者可由本领域已知的质量指数得分表示，如Flieg-Zimmer得分(FZS)、德国农业协会(DLG)和Vanbelle得分，或由Andrighetto等人(Andighetto et al.,supra)先前描述的质量指数I1-I6之一。因此，青贮能力指数将收获制品的化学成分与质量指数的理论最大值相关联，质量指数可从转化为青贮产品后的收获制品中获得。
另一方面，保持指数Rei表示青贮工艺中干物质的预期损失(或干物质的预期保持)。因此，它代表了新鲜收获制品的化学成分(由参数xi表示)与青贮产品干物质含量之间的关系。
因此，根据本发明的方法考虑了通过青贮工艺获得的青贮制品的预期化学成分质量和预期干物质含量，以便允许农民在必要时积极影响青贮工艺。
就本说明书而言，术语“收获制品(harvested good)”或“新鲜收获制品”是指收获后未经任何改变的作物，所述改变包括添加物质或通过影响化学成分的工艺进行改变。术语“青贮制品(silage good)”是指要经受青贮工艺的制品，即青贮前的制品。因此，青贮制品是收获制品和提供给收获制品的任何青贮添加剂的总和。在没有添加添加剂的情况下，青贮制品和收获制品是相同的。如果本文所述的指数表明无需提供青贮添加剂即可将收获制品转化为良好的青贮产品，则这意味着收获制品即为青贮制品。然而，如果本文所述的指数表明收获制品不能转化为良好的青贮产品，则向收获制品提供添加剂。在后一种情况下，青贮制品是收获制品和提供给它的任何添加剂的总和。此外，术语“青贮产品(silageproduct)”是指青贮工艺的产物，特别是微生物发酵的产物。青贮产品是青贮制品的微生物发酵的结果，即收获制品和任何青贮添加剂(如果有必要)。
在本发明的上下文中，“干物质损失”的表达应理解为收获/青贮制品和青贮产品之间的质量或质量变化[％]。不应仅理解为化学成分的组成或变化[％]。例如，10kg新鲜样本干物质含量为30％意味着干物质质量为3Kg。在同一实例中，青贮后的样品重量为9Kg(由于液体浸出、糖消耗、气体等导致1Kg损失)，但就化学成分而言，干物质含量为31％，相当于干物质的质量为2.79Kg。因此，干物质含量的化学成分由30％增加到31％，但干物质质量由3Kg减少到2.79Kg，干物质质量百分比损失为7％。
进一步为了本说明书的目的，表述“具有改进质量的青贮制品”是指当使用相同条件进行青贮工艺时，与未通过添加根据本发明的青贮添加剂改性的青贮制品相比，在经受青贮工艺后具有更高含量的有利营养成分和/或更高含量的干物质的青贮制品。
收获制品可以是任何能够通过青贮，即通过发酵过程进行加工的作物。收获制品可以选自玉米(如Zea mays)，高粱(如Sorghum bicolor和Sorghum sudanese)，甘蔗(如Saccharum officinarum)，黑麦(如Secale cereale L.)，大麦(如Hordeum vulgare)，小麦(如Triticum aestivum L.)，黑小麦，黑麦草(如Lolium perenne)，苜蓿(如Medicagosativa)，等。在这些中，玉米特别受到关注，因为玉米青贮是世界上大部分地区牛群口粮中使用最广泛的饲料之一，因为它是高产作物，其特点是营养成分极佳以及通过青贮保存的敏感性高。
确定参数xi的分析过程可以应用任何能够提供收获制品的化学成分和/或另一种性质的信息的方法。在优选的实施方式中，分析过程可以包括光谱法，如红外光谱(优选近红外光谱)、太赫兹光谱(优选太赫兹时域光谱)、拉曼光谱、紫外光谱、质谱(如MALDI-TOF光谱)、核磁光谱、激光诱导击穿光谱等。或者，分析过程可以包括色谱法，如气相色谱法(GC)、高效液相色谱法(HPLC)或其他方法。在其他实例中，分析过程可包括热成像方法、湿法分析和元素痕量分析。每一类别的一种或多种方法可被组合以提高从收获制品中评估的信息量。优选方法包括那些快速、稳健且能够在田间条件下在线进行的方法。这里，光谱方法已经被证明是特别有用的，优选红外光谱，并且最优选近红外光谱(NIR)，因为NIR允许在一次测量中确定大量感兴趣的参数。
在分析过程步骤中确定的参数xi可以包括收获制品中存在的任何成分，特别是已知的在青贮期间经受或影响(有利或不希望)发酵过程的那些成分。因此，优选参数可选自水、干物质(DM)、灰分(A)、酸不溶性灰分(AIA)、粗蛋白质(CP)、总糖(TS)、葡萄糖(GLU)、果糖(FRU)、蔗糖(SAC)、总醚提取物(EE)、淀粉、纤维素、半纤维素、木质素、粗纤维(CF)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)和酸性洗涤木质素(ADL)的含量。此外，可以确定表征所收获制品的其他性质的参数，如pH值。然而，本发明方法中适用的参数不限于上述参数。
在分析过程步骤中确定的参数xi的数目不受特别限制，只要该数目适合推导青贮能力指数和保持指数。例如，在分析过程步骤中确定的参数xi的数目可以介于2和20之间，优选为3到15，甚至更优选为4到10。所确定的参数xi的数目越高，指数Ini和Rei将越具有预测性。另一方面，该方法的复杂度随着数目的增加而增加，因此数目通常是可靠性和复杂度之间的折衷。
第一模型允许得到作为参数xi的函数的青贮能力指数Ini。第一模型可以是以计算机可读格式存储的数学函数、查找表等。
根据本发明的一个优选实施方式，通过将在青贮之前从测试样品测量的参数xi，e与在预定条件下青贮之后获得的青贮产品的化学成分相关联来获得在该方法中应用的用于确定青贮能力指数Ini的第一模型。换句话说，第一模型可以通过试验研究获得，所述试验包括(a)采集新鲜收获制品的测试样品，(b)确定与在分析过程步骤中确定的参数xi相对应的测试样品的参数xi，e，(c)在预定条件下将试验样品置于青贮工艺中，(d)确定试验样品的青贮产品的化学成分，(e)将青贮产品的化学组成与青贮前测试样品的参数xi，e相关联，从而得出第一模型。优选地，相关步骤(e)包括根据青贮产品的化学成分为其分配质量指数，例如Flieg-Zimmer得分(FZS)、德国农业协会(DLG)和Vanbelle得分，或IginoAndrighetto等人的质量指数I1-I6之一(见上文)，并将质量指数与试验样品的参数xi，e相关联。该相关性步骤可以包括数学回归分析，该数学回归分析产生数学函数(包括回归参数)，将该青贮能力指数Ini表示为参数xi的函数。
第二模型允许得到作为参数xi的函数的保持指数Rei。第二模型可以是以计算机可读格式存储的数学函数、查找表等。
根据本发明的一个优选实施方式，通过将在青贮之前从测试样品测量的参数xi，e与在预定条件下青贮之后获得的青贮产品的干物质含量相关联来获得在该方法中应用的用于确定保持指数的第二模型。换句话说，第二模型可以通过试验研究获得，所述试验包括(a)采集新鲜收获制品的测试样品，(b)确定与在分析过程步骤中确定的参数xi相对应的测试样品的参数xi，e，(c)在预定条件下将试验样品置于青贮工艺程中，(d)确定试验样品的青贮产品的干物质含量，(e)将青贮产品的干物质含量与青贮前测试样品的参数xi，e相关联，从而得出第二模型。该相关性步骤可以包括数学回归分析，该数学回归分析产生数学函数(包括回归参数)，将保持指数Rei表示为参数xi的函数。
通常，青贮能力指数Ini和保持指数Rei将独立地为无量纲数或百分比。
根据本发明的一个优选实施方式，确定要添加到收获制品的青贮添加剂的类型和量的步骤包括：
比较青贮能力指数Ini和第一阈值，并根据所确定的青贮能力指数是否超过或低于第一阈值，确定从第一组添加剂中选择的添加剂的类型和含量；和
比较保持指数Rei和第二阈值，并根据所确定的青贮能力指数是否超过或低于第一阈值，确定从第二组添加剂中选择的添加剂的类型和含量；
根据本发明的一个实施方式，来自第一和第二组添加剂的添加剂选自同型发酵和/或异型发酵生物体，更优选选自植物乳杆菌(Lactobacillus plantarum)、干酪乳杆菌(Lactobacillus casei)、德氏乳杆菌保加利亚亚种(Lactobacillus delbruckiisubs.bulgaricus)、嗜酸乳杆菌(Lb.acidophilus)、瑞士乳杆菌(Lb.helveticus)、粪链球菌(Streptococcum faecium)、唾液链球菌嗜热亚种(Streptococcus salivariussubsp.thermophilus)、链球菌属(Streptococcus spp.)、戊糖片球菌(Pediococcuspentosaceus)、库巴乳杆菌(Lactobacillus curbatus)、棒状乳杆菌棒状亚种(Lactobacillus coryniformis subs.coryniformis)，和酸乳片球菌(Pediococcusacidilactici)、肠球菌属(Enterococcus)、片球菌属(Pediococcus)和气球菌属(Aerococcus)、短乳杆菌(Lactobacillus brevis)、布氏乳杆菌(Lactobacillusbuchneri)、发酵乳杆菌(Lactobacillus fermentum)、罗伊氏乳杆菌(Lactobacillusreuteri)、绿色乳杆菌(Lactobacillus viridescens)、鼠李糖乳杆菌(Lactobacillusrhamnosus)、蚀橙明串珠菌(Leuconstoc cremoris)(肠膜明串珠菌乳脂亚种(Leuconostocmesenteroides ssp.cremoris))、植物乳杆菌、干酪乳杆菌、弯曲乳杆菌(Lactobacilluscurvatus)和Leuconstoc dextranicum。第一组的其他添加剂可包含一种/或多种糖(如葡萄糖、果糖、蔗糖)及其衍生物、一种或多种酸化化合物(如甲酸、丙酸、乳酸)和/或水。也可以应用上述添加剂的组合。
在本发明的一个优选实施方式中，可将第一组添加剂应用于具有较差青贮能力指数的收获制品。根据优选实施例，第一组添加剂优选包含同型发酵微生物。例如，第一组添加剂可选自不同细菌菌株的接种物，例如植物乳杆菌、干酪乳杆菌、德氏乳杆菌保加利亚亚种、嗜酸乳杆菌、瑞士乳杆菌、粪链球菌、唾液链球菌嗜热亚种；链球菌属、戊糖片球菌、库巴乳杆菌、棒状乳杆菌棒状亚种和乳酸片球菌、肠球菌属、片球菌属和气球菌属。第一组的其他添加剂可包含一种/或多种糖(如葡萄糖、果糖、蔗糖)及其衍生物、一种或多种酸化化合物(如甲酸、丙酸、乳酸)和/或水)。也可以应用上述添加剂的组合。本文所使用的术语“同型发酵微生物”是指以乳酸作为主要副产物发酵葡萄糖的乳酸菌。同型发酵微生物用于需要快速形成乳酸和降低pH的发酵过程中。
根据另一个优选实施方式，第二组添加剂可应用于保持指数差的收获制品，即预期在发酵期间经历高的干物质损失的收获制品。根据优选实施例，第二组添加剂优选包含异型发酵微生物。例如，第二组添加剂可选自不同细菌菌株的接种物，例如短乳杆菌、布氏乳杆菌、发酵乳杆菌、罗伊氏乳杆菌、绿色乳杆菌、鼠李糖乳杆菌、蚀橙明串珠菌(肠膜明串珠菌乳脂亚种)、植物乳杆菌、干酪乳杆菌、弯曲乳杆菌和Leuconstoc dextranicum。第二组的其他添加剂可包含一种/或多种糖(如葡萄糖、果糖、蔗糖)及其衍生物、一种或多种酸化化合物(如甲酸、丙酸、乳酸)和/或水。也可以应用上述添加剂的组合。本文所使用的术语“异型发酵微生物”是指以乳酸、乙醇/乙酸和二氧化碳(CO2)作为副产物发酵葡萄糖的乳酸菌。异型发酵微生物用于发酵过程。
在发现收制品同时具有差的青贮能力指数和差的保持指数的情况下，可以将第一组和第二组的添加剂应用于收获的制品。此外，在发现收获制品同时具有有利的青贮能力指数和有利的保持指数的情况下，将不施用添加剂。
特别优选的是，该方法在收获收获制品期间，即在田间条件下，以连续方式实施。换句话说，根据本实施方式，青贮能力指数和保持指数的测定以及添加剂的添加作为收获的在线过程在田间条件下进行，以便在田间获得的青贮制品并且可以直接提供给青贮工艺。
本发明的另一个方面涉及青贮工艺，包括：
通过如本文所述的根据第一个方面的方法制备青贮制品；和
对青贮制品进行发酵以获得青贮产品。
本发明的又一个方面涉及一种用于制备待经受青贮工艺的具有改进质量的青贮制品的设备，所述设备包括：
分析装置，用于分析新鲜收获制品以确定表征收获制品的化学成分和/或性质的多个参数xi；
第一模型，其将所确定的参数xi与青贮能力指数Ini相关联，青贮能力指数是收获制品的预期青贮能力的特征；
第二模型，其将所确定的参数xi与保持指数Rei相关联，保持指数是在青贮工艺期间收获制品的干物质预期损失的特征；
测定装置，其用于根据青贮能力系数Ini和保持系数Rei，确定添加到收获制品中用于控制青贮工艺的青贮添加剂的类型和量；和
供应装置，用于在所确定的青贮添加剂的量超过零的情况下，将所确定的添加剂加入收获制品以获得青贮制品。
分析装置包括适合于执行参数测定的装置。在优选的实施方式中，分析装置可以包括光谱仪，如红外光谱仪(优选近红外光谱仪)、太赫兹光谱仪(优选太赫兹时域光谱)、拉曼光谱仪、紫外光谱仪、质谱仪(如MALDI-TOF光谱仪)、核磁光谱、激光诱导击穿光谱仪等。可选地，分析装置可以包括至少一个色谱仪，如气相色谱仪(GC)，高效液相色谱仪(HPLC)或其他。在其他实例中，分析装置可以包括热成像装置、湿法分析装置和元素痕量分析装置。每一类别的一种或多种装置可被组合以提高从收获制品中评估的信息量。优选分析装置包括那些能够快速、稳健测量且能够在田间条件下在线进行的装置。在此，已经证明光谱仪特别有用，优选红外光谱仪，并且最优选近红外光谱仪。
该设备可以进一步包括用于将收获制品砍枝(heading)、切碎(chopping)、脱粒(threshing)、粉碎(crushing)、捣碎(mashing)、磨碎(grinding)或去皮(peeling)的装置，例如用于切碎收获制品的田间切碎机。这里特别优选的是，该装置配备有分析装置，以便能够在田间进行分析，例如，田间切碎机配备有分析装置。
该设备可以进一步包括输送装置，如输送带或类似装置，用于输送所述收获制品，从收获装置输送到分析装置和/或从分析装置输送到供应装置以及从供应装置输送到青贮池，所述收获制品任选地借助于上述用于砍枝、切碎、脱粒、粉碎、捣碎、磨碎或去皮的装置加工。
该装置还可包括均匀化装置，用于均匀化或均匀分布收获制品(所述收获制品任选地借助于上述用于砍枝、切碎、脱粒、粉碎、捣碎、磨碎或去皮的装置加工)，以产生均匀的(经加工的)收获制品流。这种均匀化装置允许改进或优化地向分析装置呈现收获制品，例如通过使(处理的)收获制品流的表面平滑来实现。这种均匀化装置的一个实例是细长轴形式的辊，其优选地沿输送带上方的辊轴以恒定和固定的距离布置，将(处理过的)收获制品引导到分析装置。使用这种辊，(处理过的)收获制品可以被压缩到一定的厚度，从而产生光滑的表面。优选地，电机驱动辊并使其沿传输送带的运行方向旋转，更优选地，辊的运动与输送带的驱动相耦合。在带下面，可以提供一个块体或另一个辊，用于为第一个辊的压力提供对应物。块体或其他块体确保带不会被向下推，因此，(处理过的)收获制品流在通过第一个辊后基本上具有预先选定的高度。在第二个实例中，对于基于辐照的分析装置，优选红外光谱法，更优选近红外光谱法，(处理过的)收获制品流沿着窗口传递或引导，用于在分析装置和(处理过的)收获制品之间传递各自的辐照。窗口材料，如玻璃或有机玻璃，可以在清洗时被拆除或更换。窗口材料的清洁或更换可能是必要的，因为来自处理流的碎屑，如通过窗口的经过处理的收获制品流可能会聚集在窗口材料上或损坏窗口材料，从而干扰系统的操作。通过沿着窗口传递(处理过的)收获制品，可以使流和窗口一侧的流的表面均匀化。
在从属权利要求和本说明书中限定了本发明的其他实施方式。如果没有另外指出，则所有实施方式可以彼此组合。
附图简述
现在将参照附图根据优选实施方式更详细地描述本发明，其中：
图1、根据本发明的一个优选实施方式的青贮制品的制备方法的流程图；
图2、图1的方法中使用的获得第一模型以确定青贮能力指数的方法的流程图；
图3、图1的方法中使用的获得第二模型以确定保持指数的方法的流程图；
图4、通过本发明的方法确定的收获制品的青贮能力指数和保持指数的图形表示；
图5、根据本发明的一个优选实施方式的用于制备青贮制品的设备的示意图；和
图6、根据本发明的一个优选实施方式的青贮工艺的流程图。
图1示出根据本发明的一个优选实施方式的青贮制品的制备方法100的流程图。
该方法从步骤S11开始并进行到步骤S12，在步骤S12中获得收获制品。这一步骤包括通常已知的农业收割过程。收割可以手动进行，但通常使用农业收割机器进行。除收割外，方法步骤S12可任选地包括对收获制品进行机械加工，如砍枝、切碎、脱粒、粉碎、捣碎、磨碎或去皮，以便将收获制品转变为适合青贮和/或均匀/均质(处理过的)收获制品的尺寸或形状。收获制品可以包括适合青贮的任何农作物，特别是前面提到的农作物，例如玉米。就玉米而言，收获制品是整个地上植物或只是玉米粒。
在下一步骤S13中，收获和任选的机械加工/均匀好的制品经受分析过程，用于确定表征收获制品的化学成分和/或另一种性质/特征的多个参数xi。这里x表示通过分析获得的参数，指数i表示从2到N的系数，其中N表示在该方法中确定的参数总数。该参数可以包括收获制品中包括的任何成分，特别是前面提到的那些成分。根据一个特定实例，在步骤S13中可以确定七个参数xi，包括干物质含量(DM)、总糖含量(TS)、总脂肪含量(EE)、酸性洗涤纤维含量(ADF)、酸性洗涤木质素含量(ADL)、中性洗涤纤维含量(NDF)和淀粉含量(ST)。确定参数xi的分析过程可以应用任何能够提供感兴趣信息的方法，特别是前面提到的方法。根据一个特别优选的实例，在步骤S13中采用近红外(NIR)光谱，因为其能够确定所有提及的参数。
接下来，程序进行到步骤S14，在步骤S14中，将第一模型Ini＝f(xi)应用于在步骤S13中确定的参数xi，以确定表征所收获制品预期青贮能力的青贮能力指数Ini。青贮能力指数Ini表示青贮产品青贮后的预期质量，可以是无量纲数。优选地，青贮能力指数Ini表示介于青贮产品的最差质量和理论最高质量之间的得分。第一模型可以以多维查找表的形式存储，将青贮能力指数Ini分配给参数xi。或者，第一模型可以是表示作为参数xi的函数的青贮能力指数Ini的数学方程。例如，通过回归分析获得的表示第一模型的数学方程示于以下Eq.1：
在此，Ci和Bi分别表示第i个参数x的一阶和二阶回归系数。第一模型是事先通过试验研究得出的。下面将通过图2描述获得第一模型的实例。因此，步骤S14的结果是单一特征值形式的青贮能力指数Ini。
接下来，程序进行到步骤S15，在步骤S15中，将第二模型Rei＝f(xi)应用于在步骤S13中确定的参数xi，以确定保持指数Rei，该指数表征所收获制品在青贮工艺中的干物质的预期损失或保持。保持指数Rei可以是无量纲数或百分比。因此，它代表了新鲜收获制品的化学成分(由参数xi表示)与青贮产品干物质含量之间的关系。例如，保持指数Rei表示青贮工艺中理论最小干物质损失和理论最大干物质损失之间的得分。同样地，第一模型、第二模型可以以多维查找表的形式存储，将保持指数Rei分配给参数xi。或者，第二模型可以是表达保持指数Rei作为参数xi的函数的数学方程。例如，通过回归分析获得的表示第二个模型的数学方程示于以下Eq.2：
在此，Di和Ei分别表示第i个参数x的一阶和二阶回归系数。第二模型是事先通过试验研究得出的。下面将通过图3描述获得第二模型的实例。因此，步骤S15的结果是单一特征值形式的保持指数Rei。
在确定了青贮能力指数Ini和保持指数Rei之后，方法进行到步骤S16，其中基于青贮能力指数Ini和保持指数Rei确定青贮添加剂的类型ai和要添加到收获制品用于控制青贮工艺的相应添加剂的量m_ai。步骤S16可以涉及将青贮添加剂的类型和用量分配给Ini和Rei的查找表。可选地，步骤S16可以涉及表示添加剂的类型ai和用量m_ai作为Ini和Rei的函数的数学函数。根据一个具体实施例，在步骤S16中，可以判定青贮能力指数Ini是否超过第一阈值Ini1。根据Ini是否超过或低于第一阈值Ini1，确定从上述第一组添加剂中选择的添加剂的类型和含量。由于青贮能力指数Ini指示收获制品的化学成分转化为高质量青贮产品的敏感性，因此第一组添加剂优选包括同型发酵微生物、糖和/或水，尤其是前面提到的那些。同样，在步骤S16中，可以判定保持指数Rei是否超过第一阈值Rei1。根据Rei是否超过或低于第二阈值Rei1，确定从上述第二组添加剂中选择的添加剂的类型和含量。由于保持留指数Rei指示青贮工艺中的预期干物质损失，第二组添加剂优选地包括异型发酵微生物，尤其是前面提到的那些。应理解，在指数Ini和Rei表明收获制品有望在低干物质损失下易于转化为高质量青贮产品的情况下，可能不需要向收获制品中添加任何添加剂。在这种情况下，要添加的添加剂的用量被确定为低至零。
为了步骤S16的目的，可以如图4中所示的二维图形表示来可视化所确定的青贮能力和保持指数Ini和Rei(收获制品＝玉米)。在此，保持指数Rei以干物质损失百分比的形式显示在x轴上(基于收获制品的总干物质)，青贮能力指数Ini显示在y轴上。在本实例中，青贮能力指数的第一阈值Ini1对应于值54.4，而第二阈值Rei1对应于7质量％的干物质损失。通过这些阈值，区域被划分为四部分(第1部分到第4部分)。通过这种方式，收获制品被分配到第1部分到第4部分中的一个(例如图4所示的第2部分)，从而导致以下情况之一：
·第1部分(Ini>54.4；Rei<7％)：玉米具有均衡的化学成分，允许快速激活正向发酵过程。无需对青贮添加剂进行校正来促进发酵。
·第2部分(Ini>54.4；但Rei>7％)：玉米具有良好的化学成分，但不能有效控制保存损失(可能是因为新鲜切碎的玉米水分含量高)。使用添加剂(异型发酵和/或同型发酵微生物)加速和优化发酵过程。
·第3部分(Rei<7％；但Ini>54.4)：化学成分不能有效促进发酵。如果干物质含量高于45％，则必须使用添加剂(异型发酵和/或同型发酵微生物、水和糖)以获得充分的发酵。
·第4部分(Ini<54.4；Rei>7％)：良好的化学成分，但已建立的工艺对干物质的质量和保持不理想，即由于穗/秸秆比例不足，化学成分不适合发酵，发酵工艺对干物质的质量和保持不理想。添加添加剂以改进发酵工艺。
再次参考图1，在已经确定青贮添加剂的类型ai和用量m_ai之后，程序进行到步骤S17，其中步骤S16中确定的添加剂以相应用量提供给收获制品。添加剂的供给可以根据添加剂的形式通过任何合适的方法进行。优选地，通过喷射等以溶液或悬浮液的形式提供添加剂。通过这种方式，获得收获制品中添加剂的均匀分布或混合物。
该方法在步骤S18结束，获得青贮制品，包括收获制品添加添加剂，其准备好进行青贮。
根据一个优选实施例，方法100在收获期间作为在线过程连续进行。以这种方式，可以针对收获制品的新鲜切割部分以逐步的方式连续地确定参数xi。这使得能够根据各部分的成分连续地向各作物部分供应添加剂，并且能够制备在所供应添加剂的种类和/或用量存在差异的青贮的不同部分。因此，青贮制品的各种部分可以供应给青贮池。
接下来，将分别在图2和图3中描述获得在图1的方法中使用的第一和第二模型的方法。假定仅获得一次这些模型即可连续用于图1的方法中。
参考图2，描述了获得第一模型的方法200，该模型用于确定青贮能力指数Ini作为参数xi的函数。
该方法从步骤S21开始并进行到步骤S22，其中收集感兴趣作物的收获制品的测试样品。优选地，从不同的品种、不同的气候条件和不同的收获期采集样品，以便提供广泛的成分分布。在一个具体的实例中，从29个品种(包括早熟和晚熟品种)、三个生产地点(土壤和气候条件不同)以及预期或正常或收获期后采集了玉米样品。所有的测试样品在收获后被切碎。
然后，该过程进行到步骤S23，其中分析测试样品以确定实验参数xi，e，表征收获的测试样品的化学成分和/或性质。在此，实验参数xi，e和分析方法可以与图1中的步骤S13所描述的相同。
该过程接着进行到步骤S24，在该步骤中，通过使用预定标准条件的青贮工艺将测试样品转化为青贮产品。优选地，预定条件是期望优化或最佳发酵的有利条件。青贮工艺可在田间条件或实验室规模条件下在大型筒仓中进行。在具体实例中，青贮工艺在以下实验室规模条件下进行：将每种新鲜收获的整株玉米切碎作物的两个样品(500±50g)置于真空包装袋中(Orved 2633040,Orved SpA,Musile di Piave,VE,Italy)。90μm厚的袋子(300×400mm)由聚酰胺和聚乙烯(PA/PE)制成，在23℃±2下的透气性为65、15和200cm3 m-2day- 1atm-1的氧气、氮气和二氧化碳。使用真空包装机(Cuisson 41,Orved SpA,Musile diPiave,VE,Italy)进行真空包装，每小时吸入25m3空气，持续12s。抽完空气后，袋子被自动密封起来。样品经过处理以避免膨胀，并在23℃下储存60天，然后打开进行分析。
在步骤S25中，再次对试验样品的青贮产品进行分析过程，以确定青贮产品的化学成分和/或其他性质所特有的第二实验参数yi，e。在此确定的参数可以选自pH值、乳酸含量、乙酸含量、丁酸含量、乙醇含量、甘露醇含量、氨含量。此外，在步骤S25中可以确定关于参数xi之前提到的相同参数。此外，在该步骤中可以应用前面描述的相同分析方法。在具体实例中，通过近红外光谱法对每个袋子的含量进行了一式两份的分析，以便使用校准曲线测定干物质(DM)、粗蛋白(CP)、灰分(AS)、淀粉(STA)、醚提取物(EE)、中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)的含量。采用高效液相色谱法测定乳酸、挥发性脂肪酸、乙醇和甘露醇的含量。氨的测定采用试剂盒(Megazyme)。进一步测量pH值。然后计算每个参数的平均值。
在随后的步骤S26中，根据参数yi，e，将质量指数QI分配给每个青贮测试样品。在此可以应用本领域已知的用于评估青贮产品质量的质量指数QI。在具体实例中，已应用由Igino Andrighetto等人(Andrighetto等人，见上文)描述的质量指数I1至I6之一。如表1所示，指数I1至I6基于乳酸、氨、乙醇、乙酸、丁酸、甘露醇的含量和pH值。对于每个参数yi，e，与含量值的范围(基于干物质DM)相关的得分区间是预先确定的。例如，乳酸的最低含量(22.6g/kg DM)将被评分为0，乳酸的最高含量(60.0g/kg DM)将被评分为41，等等。对于指数I1到I6中的每一个，最大质量指数是100。
表1：
a它以纯数字表示。
因此，在步骤S26中，根据每种青贮产品的化学成分获得其质量指数QIi。
然后，该方法进行到步骤S27，其中质量指数Qli与在青贮之前的步骤S23中确定的参数xi，e相关联。该相关性步骤可以包括数学回归分析，该数学回归分析产生数学函数(包括回归参数)，将青贮能力指数lni表示为参数xi，e的函数。在本发明的实例中，发明人使用了所有分析过的玉米植株的数据，这些数据未经转化或经过转化(对数，平方等)或其组合。此外，已经使用SAS的软件计算了许多回归，所考虑的参数(分析)和/或所应用的转化有所不同。最后，已采用具有较高R平方值的回归来产生最佳相关性(参见上面的Eq.1)。表2示出了针对玉米试验样品获得的回归函数的回归参数。
表2：预测青贮能力的第一个模型的回归系数(值按干物质的百分比计算)
参数xi,e 截距 Ci Bi
197.11574
干物质(DM) -6.83667 0.07552
总糖(TS) 0.27189 0
脂类(EE) 11.37159 0
ADF 1.68108 0
ADL 12.55362 0
NDF 0 -0.01528
淀粉(STA) 0 -0.00939
根据表2的回归系数，根据第一个模型的回归函数Ini＝f(xi,e)可以如下表示(Eq.1.1)：
Ini＝197.11574-6.83667DM+0.27189TS+11.37159EE+1.6810ADF-12.55362ADL+0.07552DM2-0.01528NDF2-0.00939STA2
图2的过程因此在步骤S28中结束，从而提供第一模型Ini＝f(xi,e)，然后可以应用于图1的程序中，以确定新鲜收获的玉米的预期青贮能力。
参考图3，描述了获得第二模型的方法300，该模型用于确定保持指数Rei作为参数xi的函数。
在此，步骤S31到S34对应于图2的步骤S21到S24，并且不再描述。事实上，用于确定青贮能力指数的第一个模型和用于确定保持指数的第二个模型的两种方法可以在共享相应步骤的一个组合过程中进行。
在步骤S34中进行青贮过程之后，程序进行到步骤S35，其中对试验样品的青贮产品进行分析过程，以确定每个试验样品的干物质含量DMi。
然后，方法进行到步骤S37，其中测试青青贮产品的干物质含量DMi与青贮前步骤S33中确定的参数xi，e相关。该相关性步骤可以包括数学回归分析，该数学回归分析产生数学函数(包括回归参数)，将保持指数Rei表示为参数xi，e的函数。在本实例中，发明人已经使用与针对图2所描述的相同的方法来采用具有较高的R平方值的回归(参见上面的Eq.2)。表3示出了针对玉米试验样品获得的第二个模型的回归函数的回归参数。
表3：假定指数I1作为质量指数QI为参考，预测干物质损失的第二个模型的回归系数(值按干物质的百分比计算)
参数xi,e 截距 Di Ei
223.34276
干物质(DM) -5.10303 0.06241
总糖(TS) -2.60745 0.13445
ADLignine(ADL) -9.80569 0
淀粉(STA) -2.62779 0.02439
NDF 0 0.00953
ADF 0 -0.0891
因此，根据第二模型的回归函数Rei＝f(xi,e)使用表3的回归系数，可以如下表示(Eq.2.1)：
Rei＝100-(223.34276-5.10303DM-2.60745TS-9.80569ADL-2.62779STA+0.06241DM2+0.00953NDF2-0.0891ADF2+0.02439STA2+0.13445TS2)
图3的程序因此结束于步骤S38，从而提供第二模型Rei＝f(xi,e)，然后可以应用于图1的程序中，以确定新鲜收获的玉米在青贮工艺中预期干物质损失。
接下来，参考图5描述用于制备经过青贮处理的具有改进质量的青贮制品的设备。
设备10包括一个切碎器11，用于机械处理新鲜收获制品20，以制备适合青贮的粒度。该设备还包括输送带12，用于将收获制品输送到设备10的各个处理站。因此，切碎的收获制品20由输送带从切碎器11输送到分析装置13，用于分析新鲜收获和切碎的制品20，以确定多个参数xi，表征上述收获制品的化学成分和/或另一种性质。在此，分析装置13包括近红外光谱仪NIRS。NIRS将选定波长的近红外辐射辐射到切碎的收获制品20，并检测相应的吸收率或透射率。设备10还包括连接到分析装置13的计算站14，用于分析从近红外光谱提交的近红外数据，以确定来自NIR数据的参数xi。计算站14进一步执行图1的步骤S14到S16。为此目的，计算站14包含第一个和第二个模型，用于确定青贮能力指数Ini和保持指数Rei作为参数xi的函数。例如，模型可以以如上所示的Eq.1.1和Eq.2.1的形式以计算机可读格式存储。此外，计算站14包括用于根据如上所述的青贮能力指数Ini和保持指数Rei来确定要供应给收获制品20的青贮添加剂的类型ai和用量m_ai的算法。任选地，设备10可包括用于以图4所示的二维表示形式显示分析结果的显示装置15，如所确定的指数Ini和Rei。设备10还包括供给装置16，如用于根据之前确定的ai类型和m_ai用量向收获制品20供给青贮添加剂17的喷射装置。为此，收获制品20由输送带12进一步输送到供给装置16，在供给装置16处，青贮添加剂(特别是微生物接种物)喷射在收获制品上，从而获得青贮制品30。青贮制品30随后可由输送带12进一步输送到青贮池18，进行随后的青贮工艺。如图5所示，青贮池18因此充满不同层的青贮制品30，包含不同的添加剂(如果有的话)，这里添加剂选自根据青贮能力指数Ini和保持指数Rei从计算站14选择的两种接种物混合物。
接下来，参考图6说明根据本发明的青贮工艺400。该过程从步骤S41开始并进行到步骤S42，制备根据本发明的青贮制品30。换句话说，步骤S42包括参照图1说明的方法100的步骤S11到S18。在制备青贮制品30之后，程序进行到步骤S43，其中青贮进行发酵，即青贮，以获得所需青贮产品。青贮包括众所周知的微生物发酵过程。然而，由于根据本发明的青贮制品的制备涉及考虑到收获制品的组成分供应选定添加剂，因此与不供应添加剂或以更直观的方式供应添加剂的工艺相比，青贮工艺得到改进。结果，产生了质量改进的青贮产品，其包括用于待喂养动物的较高量的营养物和干物质。
附图标记
10 青贮制备设备
11 田间切碎机
12 输送装置、输送带
13 分析装置，NIRS
14 测定装置，计算站
15 显示装置
16 供给装置
17 青贮添加剂
18 青贮池
20 收获制品
30 青贮制品
100 制备青贮制品的方法
200 获得方法100中应用的第一模型的方法
300 获得方法100中应用的第二模型的方法
400 青贮工艺
Ini 青贮能力指数
Rei 保持指数
xi表征收获制品化学成分和/或性质的参数
xi，e表征青贮前采集的测试样品化学成分和/或性质的参数
yi，e表青贮后征测试样品化学成分和/或性质的参数
ai青贮添加剂类型
m_ai青贮添加剂用量

Claims (15)

1.一种制备待经受青贮工艺的具有改进质量的青贮制品(30)的方法(100)，所述方法包括：
对待经受青贮工艺的新鲜收获制品(20)进行分析工艺，以确定表征所述收获制品(20)的化学成分和/或性质的多个参数(xi)；
对所确定的参数(xi)应用第一模型以确定青贮能力指数(Ini)，其是所述收获制品(20)的预期青贮能力的特征；
对所确定的参数(xi)应用第二模型以确定保持指数(Rei)，其是在所述青贮工艺中所述收获制品(20)的干物质(DM)预期损失的特征；
根据所述青贮能力指数(Ini)和保持指数(Rei)，确定待添加到所述收获制品(20)中用于控制所述青贮工艺的青贮添加剂(17)的类型和量；和
如果所确定的所述青贮添加剂(17)的量超过零，则向所述收获制品(20)供应所确定的添加剂(17)以获得所述青贮制品(30)，
其中通过将青贮前的测试样品所测得的参数(xi,e)与在预定条件下青贮后获得的青贮制品的化学成分相关联，获得应用于所述方法中的所述第一模型，
其中通过将青贮前的测试样品所测得的参数(xi,e)与在预定条件下青贮后的干物质含量相关联，获得应用于所述方法中的所述第二模型，
其中对要添加到所述收获制品(20)中的所述青贮添加剂(17)的类型和量的确定包括：
比较所述青贮能力指数(Ini)和第一阈值(Ini1)，并根据所确定的青贮能力指数(Ini)是否超过或低于所述第一阈值(Ini1)，确定从第一组添加剂中选择的添加剂的类型和含量；和
比较所述保持指数(Rei)与第二阈值(Rei1)，并根据所述确定的保持指数(Rei)是否超过或低于所述第二阈值(Rei1)，确定从第二组添加剂中选择的添加剂的类型和含量。
2.根据权利要求1所述的方法，其中所述分析工艺包括光谱法、质谱、色谱法、热成像法、湿法分析和元素痕量分析法。
3.根据权利要求2所述的方法，其中所述分析工艺包括红外光谱、太赫兹光谱、拉曼光谱、紫外光谱、MALDI-TOF光谱、核磁光谱、激光诱导击穿光谱、气相色谱法或高效液相色谱法。
4.根据权利要求1所述的方法，其中所述收获制品(20)选自玉米，高粱，甘蔗，黑麦，黑小麦，大麦，小麦，黑麦草，苜蓿。
5.根据权利要求1所述的方法，其中所述参数(xi)选自pH值、水含量、干物质(DM)含量、灰分(A)含量、酸不溶性灰分(AIA)含量、粗蛋白质(CP)含量、总糖(TS)含量、葡萄糖(GLU)含量、果糖(FRU)含量、蔗糖(SAC)含量、总醚提取物(EE)含量、淀粉含量、纤维素含量、木质素含量、粗纤维(CF)含量、酸性洗涤纤维(ADF)含量、中性洗涤纤维(NDF)含量和酸性洗涤木质素(ADL)含量。
6.根据权利要求1所述的方法，其中所述方法中应用的所述第一和/或第二模型通过数学回归分析获得。
7.根据权利要求1所述的方法，其中所述第一和第二组添加剂包括不同细菌菌株的接种物。
8.根据权利要求7所述的方法，其中所述细菌菌株选自植物乳杆菌(LactobacillusPlantarum)、干酪乳杆菌(Lactobacillus sasei)、粪链球菌(Streptococcus faecium)、戊糖片球菌(Pediococcus pentosaceus)、库巴乳杆菌(Lactobacillus curbatus)、棒状乳杆菌棒状亚种(Lactobacillus coryniformis ssp.coryniformis)、乳酸片球菌(Pediococcus acidilactici)、短乳杆菌(Lactobacillus brevis)、布氏乳杆菌(Lactobacillus buchneri)、发酵乳杆菌(Lactobacillus fermentum)、绿色乳杆菌(Lactobacillus viridescens)、鼠李糖乳杆菌(Lactobacillus rhamnosus)、蚀橙明串珠菌(Leuconstoc cremoris)和葡萄聚明串珠菌(Leuconstoc dextranicum)。
9.根据权利要求8所述的方法，其中所述第一组添加剂包括植物乳杆菌、干酪乳杆菌、粪链球菌、戊糖片球菌、库巴乳杆菌、棒状乳杆菌棒状亚种、乳酸片球菌，且
所述第二组添加剂包括短乳杆菌、布氏乳杆菌、发酵乳杆菌、绿色乳杆菌、鼠李糖乳杆菌、蚀橙明串珠菌和葡萄聚明串珠菌(Leuconstoc dextranicum)。
10.根据权利要求1至9中任一项所述的方法，其中所述方法在收获所述收获制品(20)期间以连续方式实施。
11.一种青贮工艺(400)，包括：
根据权利要求1至10中任一项所述的方法制备青贮制品(30)；和
使青贮制品(30)经受青贮以获得青贮产品。
12.一种用于制备待经受青贮工艺的具有改进质量的青贮制品(30)的设备(10)，所述设备包括：
分析新鲜收获制品(20)的分析装置(13)，其用于确定表征所述收获制品(20)的化学成分和/或性质的多个参数(xi)；
第一模型，其将所确定的参数(xi)与青贮能力指数(Ini)相关联，所述青贮能力指数是所述收获制品(20)的预期青贮能力的特征；
第二模型，其将所确定的参数(xi)与保持指数(Rei)相关联，所述保持指数是在所述青贮工艺期间所述收获制品(20)的干物质预期损失的特征；
测定装置(14,15)，其用于根据所述青贮能力指数(Ini)和保持指数(Rei)，确定添加到所述收获制品(20)中用于控制所述青贮工艺的青贮添加剂(17)的类型和量(ai,m_ai)；和
供给装置(16)，其用于在所确定的青贮添加剂(17)的量超过零的情况下，向所述收获制品(20)供应所确定的添加剂(17)以获得所述青贮制品(30)，
其中通过将青贮前的测试样品所测得的参数(xi,e)与在预定条件下青贮后获得的青贮制品的化学成分相关联，获得应用于所述方法中的所述第一模型，
其中通过将青贮前的测试样品所测得的参数(xi,e)与在预定条件下青贮后的干物质含量相关联，获得应用于所述方法中的所述第二模型。
13.根据权利要求12所述的设备(10)，还包括用于对所述收获制品(20)进行砍枝(heading)、切碎、脱粒、粉碎、捣碎、研磨或去皮的装置(11)，所述装置(11)配备有分析装置(13)。
14.根据权利要求12至13中任一项所述的设备(10)，还包括输送装置(12)，其用于将所述收获制品(20)从所述分析装置(13)输送至所述供给装置(16)，并从所述供给装置(16)输送至青贮池(18)。
15.根据权利要求11所述的工艺中获得的青贮产品。
CN201980054916.6A 2018-06-22 2019-06-21 青贮制品的制备方法和设备以及青贮工艺 Active CN112584707B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18425048.8A EP3586646B1 (en) 2018-06-22 2018-06-22 Method and apparatus of preparing of a silage good and ensiling process
EP18425048.8 2018-06-22
PCT/EP2019/066545 WO2019243615A1 (en) 2018-06-22 2019-06-21 Method and apparatus of preparing of a silage good and ensiling process

Publications (2)

Publication Number Publication Date
CN112584707A CN112584707A (zh) 2021-03-30
CN112584707B true CN112584707B (zh) 2023-10-27

Family

ID=63294184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980054916.6A Active CN112584707B (zh) 2018-06-22 2019-06-21 青贮制品的制备方法和设备以及青贮工艺

Country Status (10)

Country Link
US (1) US20210255160A1 (zh)
EP (2) EP3586646B1 (zh)
CN (1) CN112584707B (zh)
AR (1) AR115599A1 (zh)
BR (1) BR112020026170B1 (zh)
DK (1) DK3586646T3 (zh)
EA (1) EA202190078A1 (zh)
PL (1) PL3586646T3 (zh)
UA (1) UA126315C2 (zh)
WO (1) WO2019243615A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220022416A1 (en) * 2020-07-21 2022-01-27 Deere & Company Method and system for preparing a feed ration based on degree of maceration
US11758926B2 (en) * 2020-07-21 2023-09-19 Deere & Company Setting degree of maceration based on forage nutritive values
CN112210485B (zh) * 2020-10-13 2023-05-23 贵州省草业研究所 一种青贮发酵用促进装置及其使用方法
CN112268891B (zh) * 2020-10-14 2022-06-07 山东大学 一种LIBS-Raman浸入式盐湖卤水元素探测仪
CN112890021A (zh) * 2021-02-25 2021-06-04 贵州金农富平生态农牧科技有限公司 一种青贮饲料加工工艺
CN115669810A (zh) * 2022-10-17 2023-02-03 湖南农业大学 一种水稻青贮添加剂

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101516209A (zh) * 2006-07-27 2009-08-26 营养创新有限责任公司 用于实时表征反刍动物饲料组分的系统
WO2013045931A1 (en) * 2011-09-30 2013-04-04 University Of Durham Methods of ensiling algae, ensiled algae and uses of ensiled algae
CN103750077A (zh) * 2014-01-21 2014-04-30 四川省草原科学研究院 不同乳酸菌菌制剂添加比例对虉草青贮品质影响的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1109471B (it) * 1976-08-17 1985-12-16 Deral Sa Procedimento e prodotto per la conservazione e la valorizzazione di vegetali a verde e dei sotto prodotti umidi delle industrie agro alimentari
US4528199A (en) * 1983-01-26 1985-07-09 University Of Georgia Research Foundation, Inc. Silage production from fermentable forages
US20080138463A1 (en) * 2006-12-11 2008-06-12 Pioneer Hi-Bred International, Inc. Lactobacillus buchneri strain LN5689 and its use to improve aerobic stability of silage
ATE477716T1 (de) * 2007-04-10 2010-09-15 Delaval Holding Ab System und verfahren zur überwachung der einsäuerung von futter
US20110189747A1 (en) * 2008-08-05 2011-08-04 Chr-Hansen A/S Process for producing silage for biogas production
DE102012100605A1 (de) * 2012-01-25 2013-07-25 Claas Selbstfahrende Erntemaschinen Gmbh Verfahren zur Aufbereitung von landwirtschaftlichem Erntegut und landwirtschaftliche Erntemaschine
US10837927B2 (en) * 2016-09-20 2020-11-17 Frito-Lay North America, Inc. NMR based non-invasive and quantitative food attribute measurement apparatus and method
EP3619530B1 (en) * 2017-05-02 2023-02-22 Centaur Analytics, Inc. Systems and methods for post-harvest crop quality and pest management

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101516209A (zh) * 2006-07-27 2009-08-26 营养创新有限责任公司 用于实时表征反刍动物饲料组分的系统
WO2013045931A1 (en) * 2011-09-30 2013-04-04 University Of Durham Methods of ensiling algae, ensiled algae and uses of ensiled algae
CN103750077A (zh) * 2014-01-21 2014-04-30 四川省草原科学研究院 不同乳酸菌菌制剂添加比例对虉草青贮品质影响的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A. Martinez-Fernandez，etal..Modelling a quantitative ensilability index adapted to forages from wet temperate areas.《Spanish Journal of Agricultural Research》.2013,第11卷(第2期),455-462. *
Jonas JATKAUSKAS etal..Evaluation of fermentation parameters, microbiological composition and aerobic stability of grass and whole crop maize silages treated with microbial inoculants.2013,第100卷(第2期),143-150. *

Also Published As

Publication number Publication date
WO2019243615A1 (en) 2019-12-26
EP3809868A1 (en) 2021-04-28
BR112020026170B1 (pt) 2023-03-21
CN112584707A (zh) 2021-03-30
EA202190078A1 (ru) 2021-03-22
UA126315C2 (uk) 2022-09-14
AR115599A1 (es) 2021-02-03
BR112020026170A2 (pt) 2021-03-23
EP3586646A1 (en) 2020-01-01
DK3586646T3 (da) 2022-10-03
US20210255160A1 (en) 2021-08-19
PL3586646T3 (pl) 2023-02-20
EP3586646B1 (en) 2022-08-17

Similar Documents

Publication Publication Date Title
CN112584707B (zh) 青贮制品的制备方法和设备以及青贮工艺
Ni et al. Effects of lactic acid bacteria and molasses additives on the microbial community and fermentation quality of soybean silage
Filya Nutritive value and aerobic stability of whole crop maize silage harvested at four stages of maturity
Yang et al. Effects of water-soluble carbohydrate content on silage fermentation of wheat straw
Saarisalo et al. Screening and selection of lactic acid bacteria strains suitable for ensiling grass
Cherney et al. Fermentation characteristics of corn forage ensiled in mini-silos
Köhler et al. Dry matter losses of grass, lucerne and maize silages in bunker silos
Wilkinson et al. Ensiling in 2050: Some challenges and opportunities
Dos Anjos et al. Effect of re-ensiling on the quality of sorghum silage
Knicky et al. Use of a mixture of sodium nitrite, sodium benzoate, and potassium sorbate in aerobically challenged silages
Hassanat et al. Effects of inoculation on ensiling characteristics, chemical composition and aerobic stability of regular and brown midrib millet silages
SARIÇİÇEK et al. The effects of storage time on nutrient composition and silage quality parameters of corn silage made in plastic mini silo in laboratory conditions
Serva et al. Prognostic capacity assessment of a multiparameter risk score for aerobic stability of maize silage undergoing heterofermentative inoculation (Lactobacillus buchneri) in variable ensiling conditions
Drouin et al. Lactic acid bacteria as microbial silage additives: Current status and future outlook
Weinberg Preservation of forage crops by solid-state lactic acid fermentation-ensiling
Udén The influence of sample preparation of forage crops and silages on recovery of soluble and non-structural carbohydrates and their predictions by Fourier transform mid-IR transmission spectroscopy
Zhang et al. Effects of homo-and hetero-fermentative lactic acid bacteria on the quality and aerobic stability of corn silage
Deaville et al. Whole crop cereals: 2. Prediction of apparent digestibility and energy value from in vitro digestion techniques and near infrared reflectance spectroscopy and of chemical composition by near infrared reflectance spectroscopy
Tan et al. Effects of compaction pressure on silage fermentation in bunker silo.
Pauly et al. The effect of mechanical forage treatments on the growth of Clostridium tyrobutyricum and Listeria monocytogenes in grass silage
EA042275B1 (ru) Способ и устройство для приготовления силоса и силосования
Choi et al. Effect of addition of lactic acid bacteria on fermentation quality of rye silage.
Stoškus et al. The effect of mixed bacterial inoculant on the microbial population and aerobic stability of Lucerne and maize balage.
Saylor et al. Effect of microbial inoculation and storage length on the fermentation profile and nutritive value of high-moisture corn ensiled at 2 different dry matter concentrations
Boonkoed et al. The effect of adding mung bean meal supplementation on Napier Pakchong 1 silage on fermentation quality and nutrient composition.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant