Prediction of cow diet composition and authentication of feeding specifications of Protected Designation of Origin cheese using mid-infrared spectroscopy on bulk milk - IRSTEA - Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (<b>anciennement Cemagref</b>) Accéder directement au contenu
Communication Dans Un Congrès Année : 2020

Prediction of cow diet composition and authentication of feeding specifications of Protected Designation of Origin cheese using mid-infrared spectroscopy on bulk milk

Prédiction de la composition de la ration des vaches et authentification des pratiques des cahiers des charges des fromages AOP par spectroscopie dans le moyen infrarouge sur des échantillons de lait de tank

Résumé

The ability of mid-infrared spectroscopy (MIR) to predict indicators (i) of diet composition in dairy herds and (ii) for the authentication of the cow-feeding restrictions included in the specification of two Protected Designation of Origin (PDO) cheeses (Cantal and Laguiole) was tested on 7607 bulk milk spectra from 1355 farms located in the French Massif Central. For each milk sample, the corresponding cow diet composition was obtained through onfarm surveys between April 2018 and March 2019. Cow diet composition varied largely (from full grazing for extensive farming systems to corn silage-based diets). The database was divided into a calibration (n = 6107) and validation (n = 1500) sets. Partial least square regression and discriminant analysis were used to predict the proportion of different feedstuffs in the cows’ diets and to authenticate the cow-feeding restrictions for the PDO cheese specifications, respectively. The pasture proportion in the cows’ diets was predicted by MIR with an R 2 in external validation (R2 V) = 0.81 and a standard error of prediction (SEP) of 11.7% dry matter. Pasture + hay, corn silage, conserved herbage, fermented forage and total herbage proportions were predicted with a R2 V > 0.61 and a SEP < 14.8%. The discrimination models for pasture presence, pasture ≥ 50% and pasture ≥ 57% in the cows’ diets achieved an accuracy and specificity ≥ 90%. A sensitivity and precision > 80% were observed for all models including pasture proportion in cow diet. An accuracy ≥ 80% was also observed for pasture + hay ≥ 72%, herbage ≥ 50%, pasture + hay ≥ 25%, absence of fermented herbage, absence of corn silage and corn silage ≤ 30% in the cows’ diets, but for several models, either the sensitivity or precision was lower than the accuracy. Models built with respect to all the criteria of the feeding restrictions of PDO cheese specifications achieved an accuracy, specificity, sensitivity and precision > 90%. Both the regression and discriminant MIR models for bulk milk can provide useful indicators of cow diet composition and PDO cheese specifications to producers and consumers
L’aptitude de la spectroscopie dans le moyen infrarouge (MIR) appliquée sur des laits de mélange pour 1) prédire la composition de la ration des troupeaux laitiers et 2) authentifier des pratiques des cahiers des charges des fromages AOP Cantal et Laguiole, a été testée. Les spectres MIR de 7607 laits de mélange AOP et non AOP de la région ont été associés aux données d’enquêtes sur l’alimentation correspondantes (obtenues entre avril 2018 et mars 2019), afin de constituer la base des données. La composition de la ration était très variable, allant de rations 100% pâturage, à des rations à base d’ensilage de maïs (jusqu’à 74%). La base de données a été divisée en deux pour l’étalonnage (n = 6107) et la validation (n = 1500). Des modèles de régression « partial least squares » et des analyses discriminantes ont été utilisés pour prédire la composition de la ration en pourcentage de matière sèche (MS) et pour authentifier les critères d’alimentation inclus dans les cahiers des charges des deux AOP, respectivement. La proportion d’herbe pâturée dans la ration a été prédite avec un modèle caractérisé par un coefficient de détermination en validation externe (R2 V) de 0,81 et une erreur standard de prédiction (SEP) de 11,7 %. Les proportions de pâturage + foin, d’ensilage de maïs, d’herbe conservée, de fourrages fermentés et d’herbe totale ont été prédites par des modèles ayant des R2 V > 0,61 et SEP < 14,8%. Les modèles d’analyses discriminantes pour la présence du pâturage, la proportion de pâturage ≥ 50% et ≥ 57% ont montré des valeurs d’exactitude et de spécificité ≥ 90%. Des valeurs de sensibilité et de précision ≥ 80% ont été observées pour tous les modèles discriminants concernant la proportion du pâturage dans la ration. Les modèles discriminants pour la proportion de pâturage + foin ≥ 72%, herbe totale (fraiche et conservée) ≥ 50%, le pâturage + foin ≥ 25%, absence d’herbe fermentée, absence d’ensilage de maïs et ensilage de maïs ≤ 30% dans la ration ont montré des valeurs d’exactitude ≥ 80%, mais pour ces modèles soit la sensibilité, soit la précision ont été moins performantes. Les modèles construits pour tester le respect de l’ensemble des critères des cahiers des charges de chaque AOP ont montré des valeurs d’exactitude, spécificité, sensibilité et précision > 90%. Les modèles pour la prédiction du % des aliments dans la ration tout comme les modèles discriminants peuvent permettre de fournir, via la MIR, des indicateurs sur la composition de la ration des troupeaux laitiers utiles aux éleveurs, filières et aux consommateurs.
Fichier principal
Vignette du fichier
2020_Coppa_3 R 2020.pdf (815.05 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03384892 , version 1 (19-10-2021)

Identifiants

  • HAL Id : hal-03384892 , version 1

Citer

A. Coppa, Bruno Martin, Hulin S., Guillemin J., J.V. Gauzentes, et al.. Prediction of cow diet composition and authentication of feeding specifications of Protected Designation of Origin cheese using mid-infrared spectroscopy on bulk milk. 25. Rencontres autour des Recherches sur les Ruminants, Institut de l'Elevage; INRAE, Dec 2020, En ligne, France. pp.456-459. ⟨hal-03384892⟩
23 Consultations
5 Téléchargements

Partager

Gmail Facebook X LinkedIn More