La zootecnia di precisione: una opportunità per una produzione animale etica e sostenibile

Abstract

La zootecnia di precisione rappresenta la nuova opportunità per le filiere delle produzioni animali per affrontare le nuove sfide dei mercati attraverso un miglioramento dell’efficienza di produzione aziendale, valorizzando sia il benessere animale, grazie alla possibilità di monitorare e gestire il soggetto e non solo il gruppo, sia la sostenibilità delle produzioni.

Introduzione

L’agricoltura italiana sta guardando con interesse crescente all’adozione mirata delle Information and Communication Technologies (Ict) per migliorare la gestione delle risorse (con conseguente riduzione dei costi) e, con esse, l’efficienza aziendale, con un occhio di riguardo anche all’impatto ambientale (riduzione di emissioni).
Come sta accadendo da tempo per l’agricoltura in generale, anche nella zootecnia si stanno diffondendo tecniche di controllo fine del processo produttivo, sino ad arrivare al controllo (su alimentazione, salute, prestazioni) dell’individuo anzichè del gruppo di animali allevati. Si sta sviluppando, quindi, un settore che viene chiamato “zootecnia di precisione”, vale a dire un insieme di tecniche di controllo basate su un impiego intensivo e mirato delle Ict, a sua volta identificabile come “zootecnia digitale”.
Chiaramente, non stiamo parlando di un processo fine a se stesso, ma di una necessaria fase di trasformazione di un modo di produrre per rispondere alle crescenti sfide rivolte agli imprenditori dai cambiamenti conseguenti alla globalizzazione, sia in termini di competitività economica, sia in termini di crescenti richieste da parte dei consumatori, soprattutto nei Paesi occidentali e europei in particolare.
Con la fine del regime delle quote latte a far data dal mese di aprile 2015, nel settore della zootecnia da latte europea si è entrati in una nuova fase. Come rilevato in uno studio olandese, l’abolizione delle quote latte è stata accompagnata da una fase di incertezza nel settore in tutta Europa (Samson et al., 2016). I risultati di tale studio, nella realtà olandese, hanno specificamente riguardato quali implicazioni vi fossero da tale cambiamento sulle scelte relative alle strategie di espansione delle imprese. Da tale studio è emerso come le scelte di espansione della produzione di latte siano state maggiormente seguite dalle imprese caratterizzate da una maggiore intensività produttiva (Samson et al., 2016), accompagnata da una buona disponibilità di terreno agricolo e, generalmente, da una specializzazione spinta dell’indirizzo produttivo.

Il miglioramento dell’efficienza produttiva quale metodo per conseguire migliori risultati economici: il potenziale derivante dalla zootecnia di precisione

Un miglioramento dell’efficienza aziendale passa attraverso un migliore impiego delle risorse produttive. Nella zootecnia da latte, la voce “alimenti” rappresenta una quota superiore al 30% del costo di produzione del latte bovino (Crpa, 2015). Uno dei parametri di efficienza generalmente utilizzati in pratica dall’allevatore e dal suo consulente zootecnico è rappresentato dall’efficienza di conversione dell’alimento in latte (in inglese “feed efficiency”, Britt et al., 2003). Tale parametro rappresenta il rapporto tra i kg di latte prodotto e la quantità di sostanza secca di alimento ingerita dalla bovina da latte. I suoi valori possono oscillare da circa 1,1 a 1,7 (Britt et al., 2003), considerando ovviamente quale obiettivo i valori maggiori. Se è vero da un lato che apparentemente si tratta di un indice non strettamente economico, in realtà presenta dei vantaggi pratici. Infatti, considerando i tempi medi in cui avvengono significative variazioni nel prezzo degli alimenti acquistati (non dei foraggi di produzione aziendale) e del latte venduto, la relativa facilità con cui oggi può venire rilevato giornalmente tale indice (grazie a sistemi detti di alimentazione di precisione, integrati con sistemi di rilevazione automatizzata della produzione individuale di latte) consente un monitoraggio in tempo reale del sistema alimento-animale in grado di allertare attraverso l’individuazione di eventuali improvvise variazioni dell’efficienza stessa. Questi sistemi hanno la loro massima esaltazione se applicati a gruppi di animali con precise caratteristiche, anziché indistintamente a tutta la mandria. Infatti, è buona cosa, soprattutto in mandrie numerose, formulare razioni specifiche per gruppi di bovine con fabbisogni nutrizionali simili (ad esempio, per la concentrazione energetica e proteica della razione) che variano in funzione soprattutto dello stadio di lattazione e del livello produttivo (Cabrera and Kalantari, 2016). Oggi esistono sistemi in grado di integrare una analisi rapida (con metodo basato sulla riflettanza nel vicino infrarosso, Nir) dell’alimento che viene caricato nel carro miscelatore per la preparazione della razione, con un sistema automatizzato che corregge la quantità di alimento da caricare in funzione della sostanza secca realmente analizzata durante il carico. Questi sistemi sono molto importanti soprattutto nelle zone agricole ove si fa ricorso a importanti quantitativi di insilato di foraggi umidi e soprattutto di insilato integrale della pianta di mais (silomais) e insilato di foraggi prativi. Tali alimenti sono caratterizzati sia da una elevata umidità (sino al 75% del tal quale), sia da una elevata variabilità della stessa (McBeth et al., 2013). Considerando che gli apporti in nutrienti sono calcolati sulla sostanza secca, è importantissimo riuscire a garantire che l’apporto effettivo della sostanza secca stessa sia corrispondente a quanto previsto. Inoltre, considerando che la pratica comune prevede di distribuire una quantità di alimento leggermente superiore a quella strettamente necessaria, al fine di poter valutare mediante gli avanzi il giorno successivo la corretta copertura dei fabbisogni o eventuali problemi di scarsa appetibilità della dieta stessa, si capisce l’importanza di avere una corretta quantificazione degli apporti per evitare sprechi di alimento conseguenti a un avanzo o rifiuto eccessivo da parte della mandria.
Alle predette considerazioni deve essere aggiunta l’importanza di poter usufruire di metodi in grado di evidenziare in tempo reale il rischio di un potenziale scadimento qualitativo degli alimenti conservati. Anche in questo caso sono gli insilati a necessitare di maggiore attenzione. Un esempio che ben rappresenta l’importante ricaduta economica di uno scadimento qualitativo del silomais è riportato da Tabacco et al. (2011), che hanno messo in relazione la capacità di trasformazione di una tonnellata di sostanza secca di silomais in latte in funzione della presenza nell’alimento di possibili muffe o di un innalzamento nella temperatura della massa insilata (indice di attività di lieviti che possono deteriorare il silomais). Da tale studio, si evince come con un efficiente monitoraggio della temperatura del fronte dell’insilato si possano prevenire cali di efficienza da valori prossimi a 1,6 a valori inferiori a 1,2. Per questo, sono oggi disponibili termocamere che, attraverso la quantificazione della emissione nell’infrarosso dei corpi, consentono di rilevare punti critici nella massa di insilato non visibili a occhio nudo e che potrebbero rappresentare focolai di attività di lieviti che danno il via a fenomeni di deterioramento aerobico su cui si innestano muffe (con rischi di produzione di micotossine) e attività di clostridi sporigeni (con grossi rischi di contaminazione della filiera di formaggi a pasta dura e a lunga stagionatura).
Relativamente al lavoro, il cambiamento principale introdotto dalla zootecnia digitale e, con essa, dalla zootecnia di precisione, è rappresentato dalla sostituzione di figure di bassa qualifica con personale che sia fornito di competenze tipiche quantomeno di un titolo di istituto professionale o tecnico.
Questi aspetti di miglioramento qualitativo del lavoro sono confermati dallo studio di Hostiou et al. (2017), nel quale si evidenzia come altri fattori rispetto a quelli prettamente economici possano motivare i produttori di latte a adottare le nuove tecnologie. Infatti, come viene fatto rilevare, se la riduzione del lavoro è di per se’ un obiettivo cui l’imprenditore generalmente tende, in questi casi esso va di pari passo con l’apprezzamento verso una migliore qualità della vita sul luogo di lavoro, meno stressante, svolto in azienda (Hostiou et al., 2017).
Se negli anni di fine novecento è fortemente cresciuto l’interesse per la qualità dei prodotti agricoli, con l’inizio del nuovo millennio l’attenzione del consumatore si è sempre più spostata su aspetti etici, sia per la maggiore attenzione al benessere animale, sia per l’impatto delle attività agricole e zootecniche sull’ambiente.
In questo quadro trova massima valorizzazione tutto quanto consente di garantire la pronta individuazione, ancor prima che della comparsa di patologie conclamate, di segnali di scarso benessere dell’animale allevato, in modo tale che l’operatore possa prontamente intervenire sul soggetto interessato.
Allo stesso modo, la possibilità di testimoniare con dati sotto il suo continuo controllo, su input e output dei nutrienti e di tutto ciò che può determinare emissioni indesiderate nell’ambiente, consente all’allevatore di presentarsi al consumatore con una credibilità nuova non come nemico dell’ambiente, ma come pieno e consapevole alleato.

Zootecnia digitale e zootecnia di precisione

La zootecnia digitale è quell’insieme di tecnologie Ict applicate al settore dell’allevamento per gestire dati e informazioni prodotte anche da sensori o altri dispositivi in grado di misurare variabili di interesse, acquisiti da diverse fonti dati, per tradurle in informazioni utili a prendere decisioni.
La zootecnia di precisione, come schematizzato in figura 1, si basa sulla gestione integrata di tutte le informazioni disponibili in allevamento (derivate da sensori così come da fonti tradizionali, comunque tradotte in dati numerici elaborabili per trarne informazioni) per esaminarle alla luce di un modello e, a seguito della maggiore o minore rispondenza ad esso, prendere decisioni e, ove possibile, innescare retroazioni correttive.

Figura 1 – Cos’è la zootecnia di precisione e quali sono i vantaggi principali di una sua adozione in allevamento

Fonte: Nostre elaborazioni

La zootecnia digitale parte dalle prime applicazioni che diversi anni addietro hanno riguardato alcuni aspetti dell’azienda zootecnica: dal controllo delle fasi di carico dei carri miscelatori con cartucce pre-programmate e in grado di registrare le prestazioni delle fasi di carico e scarico dei singoli alimenti e della miscelata, al controllo della integrazione individualizzata con mangime dedicato alle bovine più produttive, alla registrazione delle produzioni di latte individuali a ogni mungitura. Alcuni di questi elementi citati sono ormai consolidati nella pratica zootecnica da più di un decennio.
Un significativo contributo allo sviluppo di alcuni aspetti della zootecnia digitale è venuto, a partire da inizio anni 2000, dalla introduzione sul mercato di sistemi di mungitura automatizzata, i cosiddetti robot di mungitura.
Tali sistemi hanno visto il necessario sviluppo di tecnologie per la corretta individuazione dei capezzoli, della sensoristica per la rilevazione dell’idoneità del latte a essere raccolto (sensori di colore e di conducibilità elettrica quali indicatori di problemi igienici o sanitari), così come per la rilevazione del flusso di latte e della produzione da ciascun quarto della mammella.
Oggi gran parte della rivoluzione digitale nella zootecnia si gioca da un lato sullo sviluppo di sensori da collocare “a bordo” dell’animale (esempio eclatante quello della ruminometria come vedremo) e dall’altro lato sulla integrazione di informazioni disponibili attraverso vari dispositivi (aziendali e non) che mettono l’operatore in condizioni di elevare la capacità di prima diagnosi di problemi nella mandria e, al contempo, di poter attivare retroazioni pressoché automatiche per porre rimedio a condizioni svantaggiose o potenzialmente pericolose per la mandria o per la produzione di latte.
Abbiamo già evidenziato come la visione della zootecnia da parte del consumatore si sia caratterizzata per le preoccupazioni verso alcune presunte criticità quali il benessere animale e il rispetto dell’ambiente. Inoltre, da tempo è evidente la necessità di avere una sempre più facile (e poco costosa) tracciabilità dei prodotti in funzione della riconoscibilità delle loro peculiarità (origine geografica, materie prime impiegate nel ciclo produttivo, rispetto dei disciplinari). La mole di informazioni necessarie a testimoniare tutti questi aspetti in modo puntiforme e in tempi ragionevoli (se non in tempo reale) non potrà che passare dalla zootecnia digitale e dalle applicazioni possibili con la zootecnia di precisione.

Sistemi informatici, sensori ed automatismi

Partendo dalla schematizzazione di figura 2 su cosa di intende per sistema informatico, dobbiamo come prima cosa chiarire i diversi livelli in cui la zootecnia di precisione si articola e fornisce materiale alla zootecnia digitale. Facciamo come prima cosa una distinzione tra sensori, come sono inseriti in sistemi informatici e quando si parla (o si potrà parlare) di automatismi.

Figura 2 – Come si sta trasformando oggi la gestione dei dati e in quale direzione andrà nel prossimo futuro: crescente importanza dei Big Data, trasferimento di quote importanti di decisioni “di campo” dall’operatore a sistemi esperti

Fonte: Nostre elaborazioni

Come abbiamo anticipato, vi è una sensoristica che nasce per essere collocata su macchine o entro sistemi già presenti in azienda e una sensoristica che nasce per essere collocata sull’animale per fornire in tempo reale informazioni sull’individuo.
Riportiamo in figura 3 alcuni esempi delle due categorie citate. Dalla nostra indagine condotta in provincia di Cremona (Petrera et al., 2017), la sensoristica più diffusa è quella impiegata nella rilevazione della produzione individuale di ciascuna bovina a ogni mungitura. La produzione di latte individuale ha infatti una duplice valenza che la rende fondamentale nel sistema informativo aziendale. Come prima cosa, dal punto di vista della pronta rilevazione di problemi sul singolo animale, una variazione (soprattutto calo) improvvisa della produzione rappresenta un indiscutibile campanello di allarme per l’allevatore che è indotto a esaminare il soggetto per rilevare se è in estro (uno dei possibili motivi di ridotta produzione alla singola mungitura) o se vi sono primi sintomi di problemi di salute. In secondo luogo, nella normale gestione della mandria, conoscere la produzione individuale di latte di ogni bovina consente una corretta gestione alimentare della stessa (ad esempio, collocandola nel gruppo di produzione in cui vi è la dieta più idonea alle sue prestazioni o fornendo un supplemento di alimento mediante sistemi automatici individualizzati) e consente allo stesso tempo di valutare un importante indice che è l’efficienza di trasformazione dell’alimento in latte.
A seguire, si stanno diffondendo diversi sistemi di sensori “a bordo” della bovina, miranti soprattutto a individuare il momento dell’estro attraverso algoritmi che interpretano le variazioni dell’attività motoria dell’animale e, in alcuni casi, si basano anche sulla rilevazione dell’attività di ruminazione che, con il suo calo in concomitanza dell’estro stesso, aiuta a migliorare le capacità previsionali del sistema.
I sistemi per la rilevazione di problemi mammari si stanno diffondendo, ma spesso vi sono alcune perplessità da parte degli allevatori in merito all’utilizzo di alcune tecnologie di sensori che vengono ritenute ancora poco attendibili.
Meno diffusi a oggi sono i sistemi di analisi dei macro-componenti del latte, così come i sistemi in grado di quantificare singoli metaboliti (ad esempio, urea e beta-idrossi-butirrato) che possono fornire indicazioni sullo stato nutrizionale dell’animale consentendo di intervenire in tempi brevi a correggere la composizione della dieta.

Figura 3 – Esempi di sensori e loro principali funzioni all’interno della azienda di bovine da latte

Fonte: Nostre elaborazioni

Tra i sistemi informatici attualmente in grado di gestire dati derivanti da sensori per interpretarne il significato in termini informativi, vogliamo riportare gli esempi più diffusi.
Un sistema informatico particolarmente innovativo per la capacità di integrare più tipi di dato e ricavarne informazioni, in grado a loro volta di determinare una retroazione correttiva, è il sistema di “precision feeding” basato sull’analisi in tempo reale degli alimenti durante la preparazione della razione quotidiana. Tale tipo di sistema comprende una sensoristica Nir in grado di eseguire una quantificazione dei principali componenti dell’alimento, generalmente insilato: sostanza secca, frazioni fibrose, proteina, lipidi, amido. L’inserimento di questa tecnologia in un sistema informatico che regola la gestione del carro con cui viene preparata la razione consente di correggere in tempo reale la quantità di alimento da caricare per rispettare la quantità effettiva di sostanza secca dello stesso prevista dalla dieta giornaliera. In questo modo, si evitano sprechi e inefficienze derivanti sia dalla variabilità indotta dagli eventi atmosferici e dal clima sul materiale da caricare, sia dalla variabilità che naturalmente si tende ad avere in diversi punti delle grandi trincee in cui vengono stoccati gli insilati.
Un altro tipo di sistema informatico è quello che mette in relazione le informazioni derivanti da due tipi di sensori visti prima: rilevatore di movimento e rilevatore di ruminazione. Questo tipo di sistema è in grado di produrre importanti sinergie tra due sensori di per se’ già interessanti. Abbiamo accennato come il calo di ruminazione possa servire a confermare la presenza di un estro già indicata da una variazione di attività corporea; allo stesso tempo, variazioni (generalmente cali) di ruminazione non giustificati dal sospetto di un estro sono importanti segnali sulla inadeguatezza della razione o sullo stato di benessere anche termico (Abeni and Galli, 2017) della bovina.
Abbiamo accennato come sia possibile prevedere sviluppi della zootecnia di precisione tali da rendere possibili, date le analisi delle informazioni acquisite in allevamento e la loro comparazione con il modello di riferimento, delle retroazioni automatizzate volte a correggere il sistema reale per riportarlo verso il modello stesso. Tuttavia, è prevedibile che per gran parte delle prime applicazioni che si stanno rendendo disponibili, la decisione correttiva finale passerà ancora per diverso tempo dalla necessaria azione autorizzativa o conferma dell’allevatore o del suo delegato. Infatti, per affidare totalmente la decisione di una retroazione a un sistema di algoritmi è necessario che gli stessi siano validati in una adeguata varietà di situazioni e che le ricadute delle retroazioni stesse siano a loro volta controllabili dall’allevatore stesso.

I vantaggi della zootecnia di precisone: gestione, produzione, reddito

Sintetizziamo meglio i vantaggi che si possono intuire da quanto sinora esposto, cercando di classificarli in funzione del loro effetto principale sul miglioramento della gestione, eventuali benefici sul livello produttivo aziendale e, in ultima analisi, le implicazioni sul reddito dell’allevatore.
Prima di disegnare possibili vantaggi futuri o futuribili della zootecnia di precisione, guardiamo il contributo che questa può dare alla gestione di informazioni che già oggi sono richieste in modo urgente e stringente.
Dicevamo che la zootecnia di precisione contribuisce al controllo del singolo capo allevato e, di conseguenza, migliora significativamente la possibilità di gestione della mandria nel suo complesso. La sensoristica rivolta alla rilevazione precoce di riduzioni di attività motoria, di ingestione di alimento e di ruminazione, così come di produzione di latte, consente una importante riduzione nei tempi di individuazione e diagnosi di una patologia o di problemi di scarso benessere che possono compromettere la salute e le prestazioni dell’animale. Questa precocità si traduce direttamente in questi vantaggi: una riduzione nell’impiego di farmaci e presidi terapeutici vari; una maggiore probabilità di successo nel recupero dello stato di salute dell’animale; una riduzione dei tempi di recupero dell’animale; una minore quantità di produzione persa. È utile ricordare che i livelli di monitoraggio (singolo capo vs mandria) si compongono, scompongono, intersecano e completano in modo virtuoso. Infatti, è intuitivo che se la mandria o il gruppo è sempre stato un riferimento anche in passato, è l’osservazione sull’individuo che rileva il problema acuto e, d’altro lato, è sempre il gruppo e la deviazione da esso di una misurazione individuale che consente di giudicare l’entità dell’anomalia sull’individuo (effetto di scomposizione e ricomposizione). Per altro verso, ad esempio, l’osservazione di precisione dell’ingestione di sostanza secca della dieta distribuita consente di rilevare se, aldilà dell’individuo, esiste un problema latente in termini di qualità degli alimenti impiegati o, molto importante, se il generalizzato calo dell’ingestione può essere ascrivibile a problemi di riduzione dell’appetito quale segnale primo di stati infiammatori o infettivi subclinici diffusi (Weary et al., 2009).
Il rispetto del benessere animale è certamente uno degli aspetti che consente di valorizzare al meglio l’impiego della zootecnia di precisione rendendo l’immagine di questo comparto più “animal friendly”. Infatti, oltre a quanto disponibile per una pronta diagnostica alla mungitura in funzione soprattutto della mammella, la disponibilità di sensori di movimento e di ruminazione supporta la predisposizione di algoritmi che consentono di capire se esistono problemi agli arti o problemi di scarsa ruminazione che spesso possono essere un precoce segnale di disagio ambientale, termico in particolare. Abbiamo avuto modo infatti di evidenziare come soprattutto lo stress da caldo estivo possa determinare una riduzione immediata e significativa del tempo dedicato alla ruminazione (Abeni and Galli, 2017), con uno spostamento preferenziale di tale attività verso le ore notturne (meno stressanti).
La zootecnia di precisione può dare un contributo indiretto a questi due aspetti consentendo di ottenere alte produzioni in maniera più efficiente, pertanto più sostenibile. Infatti la possibilità di registrare e gestire in automatico una grande mole di dati legati non solo alla produzione di latte (addirittura di ciascun quarto di mammella), ma anche al flusso (picco e media), al tempo totale di mungitura e ad altre variabili consente di individuare gli animali che risultano più produttivi anche perché dotati di un apparato mammario e di una fisiologia del rilascio del latte migliore (Carlström et al., 2013). Dall’altra parte, la corretta conoscenza giorno per giorno del livello produttivo dei singoli animali consente un più facile e rapido adeguamento degli apporti quanti-qualitativi della dieta a supporto delle migliori prestazioni produttive.
La quantità di latte prodotto è sempre stata vista dall’allevatore come il vantaggio più facilmente quantificabile e concreto su cui giudicare qualsiasi innovazione proposta. Dobbiamo sottolineare che non esistono rapporti causa-effetto diretti per cui una innovazione legata alla zootecnia di precisione porti a un aumento della quantità di latte prodotto da ciascuna bovina; questo risultato si può ottenere principalmente attraverso la selezione genetica e l’adeguata nutrizione delle bovine così ottenute.
La qualità del latte può migliorare grazie alla conoscenza dello stato di salute della mammella, da non intendersi necessariamente e solo come migliore controllo delle mastiti cliniche, ma anche come precoce individuazione di problemi secretori che possono determinare cambiamenti significativi nel livello di alcune attività enzimatiche nel latte appena munto e che oggi sono facilmente determinabili con sistemi automatizzati in sala di mungitura che evitano di dover prelevare campioni da conferire rapidamente a laboratori specializzati spesso non vicini all’azienda.
Non sono ad oggi molti gli studi in grado di esprimersi scientificamente sulla quantificazione del ritorno economico degli investimenti in zootecnia di precisione, non tanto perché questi non vi siano, quanto soprattutto perché spesso l’inserimento massiccio di nuove tecnologie nell’azienda zootecnica è attuato in un quadro di trasformazione più generale delle strutture e della gestione della stessa che non consente di isolare facilmente l’effetto dovuto alla singola tecnologia. Inoltre, proprio per quanto detto, nei primi mesi di operatività delle nuove installazioni vi è una necessaria fase di rodaggio nella quale le prestazioni non possono certo essere ottimali. Infatti, gli operatori devono acquisire spesso competenze che non sempre sono scontate nella realtà aziendale preesistente.
In alcuni casi, la mancanza di un ritorno immediato in termini di reddito netto per l’allevatore può essere associata a una trasformazione di maggiore portata che sta conducendo a un aumento del numero di capi in azienda; in altri casi, invece, è mascherata da una riduzione dei costi di lavoro minore rispetto a quanto atteso, in quanto non viene considerato quello che non è un annullamento, ma una trasformazione di tempo prima dedicato a lavoro fisico che viene trasformato in nuovo lavoro intellettuale per la gestione e interpretazione del maggiore numero di informazioni resesi disponibili (Steeneveld et al., 2015).
Più consolidato sembra essere il giudizio relativo alle prospettive di miglioramento della qualità di vita degli operatori. Il primo esempio eclatante era stato quello dell’introduzione della mungitura automatizzata con accesso volontario delle bovine. In quel caso, si era già attuata la rottura con il tradizionale schema fisso di lavoro che prevedeva una mungitura nelle ore notturne o comunque a ore vincolate per la necessità di consegna a tempi prestabiliti di una o due munte al trasformatore. Oggi, questo inizia a valere per altre operazioni di routine, prima fra tutte la rilevazione degli estri, che in condizioni tradizionali prevede l’osservazione attenta della mandria da parte dell’operatore in più momenti della giornata, mentre grazie ai nuovi sistemi di rilevazione è sostituita dall’esame del computer aziendale o del telefonino che riceve il messaggio di allerta per la presenza di capi probabilmente in estro.
In uno studio olandese (Steeneveld and Hogeveen, 2015), è risultato chiaro come il numero di ore di lavoro per bovina per settimana sia minore nelle aziende ove sono presenti sistemi di sensori a supporto delle rilevazioni sui capi e sull’ambiente di allevamento.

Considerazioni conclusive

La zootecnia di precisione è ancora oggi una novità, non in termini assoluti di uso di nuove tecnologie, ma essenzialmente di innovazione nei metodi di gestione del flusso di lavoro e di informazione a livello di allevamento. Per questo, anche l’allevatore più accorto necessita di un minimo di assistenza nel processo di scelta e di inserimento dell’innovazione. Questo potrà evitare perdite di tempo e di soldi da parte degli allevatori e, soprattutto, eviterà pericolosi scoraggiamenti conseguenti a malintesi vantaggi. Infatti, come abbiamo sottolineato, gran parte della valutazione economica circa l’adozione delle nuove tecnologie non passa per un aumento produttivo diretto, ma essenzialmente per un miglioramento nell’efficienza della gestione delle risorse umane e materiali nel processo produttivo, garantendo nel contempo il miglioramento del benessere animale e la sostenibilità della produzione.

Riferimenti bibliografici

• Abeni F., Galli, A. (2017), Monitoring cow activity and rumination time for an early detection of heat stress in dairy cow, International Journal of Biometeorology, 61 (3), 417-425   Doi 10.1007/s00484-016-1222-z

• Britt J.S., Thomas, R.C., Speer, N.C., Hall, M.B. (2003), Efficiency of converting nutrient dry matter to milk in Holstein herds, Journal of Dairy Science, 86 (11), 3796-3801   Doi: [link]

• Cabrera V.E., Kalantari, A.S. (2016), Economics of production efficiency: Nutritional grouping of the lactating cow, Journal of Dairy Science, 99, 825-841

• Carlström C., Pettersson, G., Johansson, K., Strandberg, E., Stålhammar, H., Philipsson, J. (2013), Feasibility of using automatic milking system data from commercial herds for genetic analysis of milkability, Journal of Dairy Science, 96, 5324-5332 [link]

• Crpa, (2015), Costi di produzione e di trasformazione del latte in Emilia-Romagna, Crpa Notizie n.1/2015

• Hostiou N., Fagon, J., Chauvat, S., Turlot, A., Kling-Eveillard, F., Boivin, X., Allain, C. (2017), Impact of precision livestock farming on work and human-animal interactions on dairy farms. A review, Biotechnologie, Agronomie, Société et Environnement, 21(4), 268-275   [link] (accessed 19/01/2018)

• McBeth L.R., St-Pierre, N.R., Shoemaker, D.E., Weiss, W.P. (2013), Effects of transient changes in silage dry matter concentration on lactating dairy cows, Journal of Dairy Science, 96, 3924-3935  [link]

• Petrera F., Tagliaferri, G., Galli, A., Abeni, F. (2017), Survey on dairy farmer use and interest for precision livestock farming tools, Italian Journal of Animal Science 16 (Suppl. 1) Aspa 22nd Congress, Perugia, June 13-16, 2017, Book of Abstracts, 16:s1, 91

• Samson G.S., Gardebroek, C., Jongeneel, R.A. (2016), Explaining production expansion decisions of Dutch dairy farmers, Njas - Wageningen Journal of Life Sciences 76, 87-98 [link]

• Steeneveld W., Hogeveen, H. (2015), Characterization of Dutch dairy farms using sensor systems for cow management, Journal of Dairy Science, 98, 709-717 [link]

• Steeneveld W., Hogeveen, H., Lansink, A.G.J.M.O. (2015), Economic consequences of investing in sensor systems on dairy farms, Computers and Electronics in Agriculture, 119, 33-39 [link]

• Tabacco E., Righi, F., Quarantelli, A., Borreani, G. (2011), Dry matter and nutritional losses during aerobic deterioration of corn and sorghum silages as influenced by different lactic acid bacteria inocula, Journal of Dairy Science, 94, 1409-1419

• Weary D.M., Huzzey, J.M., von Keyserlingk, M.A.G. (2009), Board-invited reviw: Using behavior to predict and identify ill health in animals, Journal of Animal Science, 87, 770-777   doi:10.2527/jas.2008-1297