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。