La precisione porta alla diagnosi precoce

Gli alimentatori automatici registrano i comportamenti di alimentazione dei vitelli, come il numero di visite e i litri di latte consumati.

I dispositivi dell'Internet delle cose, come gli alimentatori automatici, possono aiutare a rilevare i cambiamenti comportamentali prima che compaiano i segni clinici esteriori della malattia.

Secondo i risultati di un nuovo studio, il monitoraggio dei vitelli da latte con tecnologie di precisione basate sull’“Internet delle cose” porta a una diagnosi più precoce delle malattie respiratorie dei bovini. Le nuove tecnologie stanno diventando sempre più accessibili. Ciò offre agli allevatori l’opportunità di individuare i problemi di salute degli animali abbastanza presto per intervenire, salvando i vitelli e l’investimento che rappresentano, ha affermato Melissa Cantor, assistente professore di scienza lattiero-casearia di precisione presso la Pennsylvania State University.

L'Internet delle cose si riferisce a dispositivi integrati dotati di sensori, capacità di elaborazione e comunicazione, software e altre tecnologie per connettersi e scambiare dati con altri dispositivi su Internet. Nello studio della Pennsylvania State University, le tecnologie dell’Internet delle cose come sensori indossabili e alimentatori automatici sono state utilizzate per osservare e analizzare le condizioni dei vitelli.

Tali dispositivi generano un'enorme quantità di dati monitorando il comportamento degli animali. Per rendere i dati più facili da interpretare e fornire indizi sui problemi di salute dei vitelli, i ricercatori hanno adottato l’apprendimento automatico. Si tratta di un ramo dell'intelligenza artificiale che apprende modelli nascosti nei dati per discriminare tra vitelli malati e sani, dati input dai dispositivi dell'Internet of Things.

"Abbiamo messo delle fasce per le gambe sui polpacci, che registrano i dati sul comportamento dell'attività come il numero di passi e il tempo trascorso sdraiati", ha detto Cantor. “E abbiamo utilizzato mangiatoie automatiche, che distribuiscono latte e cereali e registrano i comportamenti alimentari, come il numero di visite e i litri di latte consumato. Le informazioni provenienti da quelle fonti segnalavano quando le condizioni di un vitello erano sul punto di peggiorare”.

La diagnosi della malattia respiratoria bovina richiede manodopera intensiva e specializzata, difficile da trovare, ha affermato.

“Quindi le tecnologie di precisione basate su dispositivi dell’Internet delle cose come alimentatori automatici, bilance e accelerometri possono aiutare a rilevare cambiamenti comportamentali prima che si manifestino i segni clinici esteriori della malattia”, ha affermato.

Lei e i suoi colleghi della Pennsylvania State University hanno raccolto dati da 159 vitelli da latte utilizzando tecnologie di precisione per l’allevamento. I ricercatori dell'Università del Kentucky hanno eseguito esami quotidiani sulla salute fisica dei vitelli. I ricercatori hanno registrato sia i risultati della raccolta dati automatica che quelli della raccolta dati manuale e li hanno confrontati.

I ricercatori hanno riferito che l’approccio è in grado di identificare più rapidamente i vitelli che hanno sviluppato una malattia respiratoria bovina. Numericamente il sistema ha raggiunto una precisione dell'88% nell'etichettatura dei vitelli malati e sani. Il 70% dei vitelli malati era stato previsto quattro giorni prima della diagnosi. L'80% dei vitelli che hanno sviluppato un caso cronico della malattia sono stati rilevati entro i primi cinque giorni di malattia.

"Siamo rimasti davvero sorpresi nello scoprire che la relazione con i cambiamenti comportamentali in quegli animali era molto diversa da quella degli animali che miglioravano con un trattamento", ha detto. “Ci è venuta l’idea che se questi animali si comportano effettivamente in modo diverso, allora probabilmente c’è una possibilità che le tecnologie dell’internet delle cose potenziate con tecniche di inferenza di apprendimento automatico possano effettivamente identificarli prima, prima che chiunque possa farlo a occhio nudo. Ciò offre opzioni ai produttori.

Enrico Casella dell'Università del Wisconsin-Dipartimento di Scienze Animali e Casearie è stato uno dei ricercatori che hanno contribuito allo studio. Visita Animalscience.psu.edu – cerca “Melissa Cantor” – per ulteriori informazioni.

Melissa Cantore

Jeff Mulhollem è uno scrittore scientifico per la Pennsylvania State University.

Notizie giornaliere sull'agricoltura e informazioni sul mercato da tutto il Midwest.

L'elenco dei partecipanti al corso “Fondamenti di pianificazione del pascolo” della Grassland 2.0 Academy è stato compilato in soli tre giorni. Una lista d'attesa per l'estate 2024 sta crescendo man mano che d...