Il benessere animale è una delle tematiche più importanti quando si parla di allevamento e le strategie per aumentarlo sono in costante sviluppo. La nuova tendenza è quella di avvalersi anche qui dell’aiuto dell’intelligenza artificiale, come già successo per altri settori, rivelandosi un supporto efficace per valutare e migliorare il benessere degli animali in allevamento. In particolare, il progetto ClearFarm utilizza tecnologie di sensori e deep learning al fine di creare una piattaforma utile a produttori e consumatori per monitorare le informazioni sul benessere nei suini e nelle vacche da latte. Lo scopo finale è quello di arrivare ad avere un codice colorato che mostra un “punteggio sul benessere degli animali” su ogni prodotto di carne e latticini che si possono acquistare al supermercato.
In pratica, grazie alla tecnologia dei sensori e all’intelligenza artificiale, gli allevatori potranno tenere costantemente sotto controllo i propri animali, tramite dispositivi elettronici. Questi permettono la ricezione di aggiornamenti e notifiche in tempo reale sul benessere della mandria, così da poter apportare modifiche tempestive nella gestione degli animali in caso di necessità. Queste tecniche hanno fatto passi da gigante negli ultimi anni, sono sempre più utilizzate in tanti settori, incluso appunto quello zootecnico. Oltre al miglioramento del benessere animale in allevamento, i vantaggi si riscontrano anche in una migliore efficienza produttiva e in un ridotto impatto ambientale, obbiettivi sempre più ambiti dalle politiche UE.
La piattaforma ClearFarm propone a questo scopo di raccogliere informazioni sul benessere e sull’impatto ambientale dei bovini da latte e dei suini in allevamento e trasmetterle ai server cloud per l’analisi. I dati vengono presi continuamente dai sensori provenienti da dispositivi smart posti sugli animali, come i collari accelerometrici e i boli ruminali delle vacche da latte, dei sensori posti nel rumine, oltre che dai registri veterinari e dalle valutazioni tradizionali del benessere.
Ma vediamo nel dettaglio come funziona. Il benessere viene suddiviso in cinque ambiti: nutrizione, alloggiamento, salute, interazioni comportamentali e stato mentale. I parametri registrati dai sensori valutano il benessere specifico per ciascuno di essi: ad esempio, il tempo che un suino o una vacca da latte trascorre mangiando e ruminando ogni giorno, la frequenza di alimentazione e abbeveraggio, la temperatura del rumine ecc., sono tutti parametri che i sensori misurano quotidianamente per fornire informazioni nell’ambito della nutrizione.
Viene utilizzato anche il Machine Learning, al fine di estrarre preziose informazioni dai dati raccolti utilizzando le tecnologie dell’allevamento di precisione, in modo da riuscire anche a prevedere la probabilità di patologie, come acidosi e mastiti, tali da consentire un intervento tempestivo. Il Progetto ClearFarm ha sviluppato modelli predittivi per anticipare l’arrivo delle malattie e promuovere azioni correttive. In particolare, i modelli di Machine Learning di ClearFarm per il rilevamento della mastite utilizzano variabili predittive come ad esempio la conduttività del latte e il conteggio delle cellule somatiche. All’aumentare di quest’ultimo, aumenta anche la conduttività del latte, quindi se una vacca produce latte con una conduttività superiore a una certa soglia, significa che c’è un potenziale caso di mastite.
Stessa cosa per l’acidosi, un disturbo metabolico comune nelle vacche da latte, che si verifica quando l’equilibrio del pH nel rumine diventa eccessivamente acido, con gravi conseguenze per la salute e la produttività dell’animale. La variabile predittiva in questo caso è il pH ruminale, registrato continuamente da un bolo ruminale. Questi modelli mostrano prestazioni eccellenti, fornendo feedback quasi in tempo reale e sono attualmente in fase di perfezionamento per migliorarne la precisione. L’interfaccia per l’allevatore è molto intuitiva e mostra i punteggi di benessere giornalieri per i singoli soggetti nei diversi ambiti del benessere animale, insieme a un punteggio complessivo. Uno schema a semaforo indica con il colore rosso un elevato rischio di compromissione del benessere e con il verde un buon livello dello stesso, così da permettere agli allevatori di impostare avvisi se i punteggi scendono al di sotto di una determinata soglia.
L’interfaccia utente consente invece ai consumatori di accedere ai punteggi relativi al benessere degli animali e al punteggio complessivo utilizzando il proprio smartphone. Queste informazioni aiutano i consumatori a fare scelte informate e consapevoli sui prodotti provenienti dagli allevamenti che danno priorità al benessere animale, consentendo di verificare il reale stato di benessere degli animali. Ma non solo. ClearFarm impiega anche la metodologia di valutazione del ciclo di vita LCA per stabilire gli impatti ambientali dei prodotti e dei processi. Quando applicata all’allevamento di suini e bovini, la LCA ne valuta l’impatto sul riscaldamento globale, l’uso del suolo, l’uso dell’acqua ecc. Ciò aiuta a identificare le fasi chiave dell’inquinamento o del consumo di risorse e le strategie di miglioramento. Lo scopo di ClearFarm è dunque quello di collegare i risultati dell’LCA al benessere degli animali e all’ambiente al fine di creare una piattaforma valida per ottimizzare entrambi.
Il progetto ClearFarm è quasi completo e dotato delle tecnologie più avanzate. La ricerca procede per perfezionare gli algoritmi e colmare le lacune ancora presenti in alcuni ambiti, ma sarà presto pronto per fornire uno strumento indispensabile all’allevatore per lavorare meglio e al consumatore per ottenere una maggiore trasparenza ed aumentare la fiducia verso i prodotti che acquista, e in chi li produce.
La presentazione finale del progetto si terrà a Bruxelles il prossimo 14 febbraio. L’evento, che vedrà la partecipazione di esperti sia che hanno collaborato sia esterni al progetto stesso, ma anche rappresentanti di Accademia, Istituzioni, ONG ecc. è aperto a tutti, può essere seguito sia in presenza che da remoto. Serve solo registrarsi a questo link.
Facebook Comments