Sabato 25 ottobre 2025, nell’ambito della Fiera Fazi di Montichiari, si è svolto il convegno “Zootecnia di precisione: sfide e opportunità per l’allevamento della vacca da latte”.
L’incontro ha riunito numerosi allevatori, tecnici, ricercatori e studenti, creando un momento di dialogo e approfondimento dedicato alle nuove tecnologie per la gestione degli allevamenti da latte. Durante la giornata sono stati presentati esempi e prospettive sull’uso di strumenti digitali e sistemi di monitoraggio utili a migliorare la sostenibilità ambientale, il benessere animale e l’efficienza produttiva. I relatori hanno condiviso esperienze concrete e spunti di innovazione, offrendo una panoramica aggiornata sull’evoluzione della zootecnia di precisione (Plf).
Al tavolo dei relatori il direttore dell’Istituto, Marina Montedoro, e il direttore scientifico Andrea Galli che hanno introdotto rispettivamente il progetto Autoprecisa e le principali applicazione della zootecnica di precisione.
Durante l’incontro, Andrea Galli, responsabile del progetto, ha illustrato una panoramica sulle principali applicazioni della zootecnia di precisione, sottolineando come questa disciplina moderna permetta di raccogliere dati fondamentali su comportamento, salute e produzione degli animali.
L’utilizzo integrato di sensori avanzati, sistemi di monitoraggio e tecnologie robotiche favorisce una presa di decisioni più tempestiva e accurata, determinando benefici concreti sia sotto l’aspetto dell’efficienza produttiva sia in termini di sostenibilità ambientale.
Tale approccio non si limita all’impiego di strumenti tecnologici, ma implica anche una dimensione di conoscenza condivisa, che sostiene gli allevatori nella valorizzazione delle proprie attività. Attraverso strumentazioni capaci di controllare e prevedere gli sviluppi aziendali, è possibile ottimizzare complessivamente il processo gestionale dell’allevamento.
Gli interventi dei relatori
Durante il convegno sono quindi intervenuti importanti relatori.
Erminio Trevisi (Università Cattolica del Sacro Cuore, Piacenza) ha analizzato il contributo della zootecnia di precisione alla salute e al benessere della mandria, caratterizzando l’importante associazione fra i rilievi possibili tramite la Plf e determinazioni analitiche ben più indaginose nell’ambito della caratterizzazione della salute e del benessere animale.
Francesca Petrera (Crea–Za, Lodi) ha illustrato le funzionalità dei robot di mungitura, caratterizzando le diverse misure che sono in grado di eseguire, puntualizzando i diversi approcci tecnologici utilizzati per le stesse. Il relatore ha evidenziato che tra i rilievi sensoristici effettuati dai robot e le analisi effettuate da laboratori accreditati possono esistere solo più o meno forti associazioni, ma non la assoluta concordanza, proprio in virtù del diverso approccio metrologico.
Martino Cassandro (Anafibj, Cremona) ha mostrato come i dati raccolti anche nell’ambito della zootecnia di precisione possano contribuire a migliorare la selezione genetica. Sono stati descritti innovativi indici genetici sviluppati proprio utilizzando dati di precisione.
Andrea Bassini (Associazione italiana allevatori) ha portato il contributo di Aia alla zootecnica di precisione, caratterizzando il tipo e la portata dell’impegno dell’Associazione a livello nazionale, caratterizzando gli impegni strategici della stessa per i prossimi anni.
Gian Enrico Grugni, presidente di Ara Lombardia, ha illustrato la sempre maggiore diffusione dei robot di mungitura in Lombardia, illustrando i dati derivanti dall’attività dei controlli funzionali.
A portare la voce delle imprese invece, le testimonianze di Nicola Bini (Cascina Bini Valli di Mosio di Acquanegra sul Chiese, Mn) e di Simone Fusi (Azienda agricola Fusi Giovanni Calcinato, Bs), due realtà lombarde che stanno già sperimentando l’uso quotidiano di tecnologie di automazione e sensori di precisione.
L’obiettivo del progetto
Il convegno è stato organizzato dall’Istituto “Lazzaro Spallanzani” nell’ambito del progetto Autoprecisa, finanziato da Regione Lombardia (intervento SRH04 – Azioni di informazione), con l’obiettivo di promuovere l’adozione di strumenti innovativi per una zootecnia sempre più sostenibile e competitiva. Attraverso le iniziative promosse nell’ambito del progetto Autoprecisa l’istituto intende supportare gli allevatori lombardi nel processo di innovazione e digitalizzazione delle loro imprese, indipendentemente dalle dimensioni aziendali.
L’obiettivo principale è favorire l’adozione della zootecnia di precisione, data l’evidente utilità che essa offre. Questa disciplina, infatti, permette un monitoraggio continuo degli animali mediante l’analisi di dati strategici per la gestione aziendale, con ricadute significative quali la riduzione dei costi operativi, il miglioramento della salute e del benessere delle mandrie e l’ottimizzazione della sostenibilità complessiva dell’intero sistema produttivo.
La partecipazione numerosa e l’interesse dimostrato dai presenti hanno confermato l’importanza del tema e il crescente impegno del settore verso soluzioni digitali e pratiche di allevamento orientate al futuro.
La zootecnia di precisione oggi
La zootecnia di precisione (Plf - Precision livestock farming) rappresenta per la zootecnia quella che per l’industria è stata la quarta rivoluzione, caratterizzata dalla enorme e rapida diffusione dell’informatica. Le precedenti rivoluzioni industriali erano quelle legate alla diffusione della macchina a vapore, del motore a scoppio e dell’elettricità ed infine dell’elettronica.
Come per l’industria 4.0 la zootecnia di precisione è caratterizzata dalla presenza di sensori sulla linea di produzione, ovvero sugli animali (collari, marche auricolari, ecc.), sulle macchine (robot di mungiture, lattometro digitale, robot di alimentazione, carro miscelatore, …), nell’ambiente (centraline meteo, ecc.).
I sensori tramite internet trasmettono dati, dialogano fra loro e con le macchine che supportano o controllano (Internet delle cose – Internet of thinks). I dati vengono memorizzati ed elaborati in spazi virtuali in Internet (Cloud computing).
I benefici offerti dalla Plf sono rappresentati da informazioni che permettono non solo di monitorare costantemente lo stato dell’allevamento, ma anche di anticipare possibili problematiche future, fornendo all’allevatore gli strumenti necessari per gestirle in modo proattivo ed efficiente.
Parliamo di informazioni e non di dati, in quanto i dati, rappresentati dalle misure dei sensori, per essere utili devono essere elaborati (Cloud computing) e quindi devono essere utilizzati per rappresentare la situazione in tempo reale dell’azienda.
Le informazioni rese disponibili dalla Plf consentono di caratterizzare vari aspetti: il livello produttivo (quanto e quale latte produco), il livello sanitario e di benessere (la possibilità di individuare precocemente una patologia subclinica consente di intervenire precocemente, garantendo una migliore qualità della vita all’animale e la riduzione dell’uso di farmaci nell’allevamento), l’efficienza riproduttiva (ottimizzando il momento dell’inseminazione artificiale, la gestione del parto e della fase post-parto), l’impatto ambientale (tramite stime sempre più precise delle emissioni di gas climalteranti o tramite la loro stessa misura).
Secondo le indagini condotte negli anni passati dal Crea-Za di Lodi e dall’Università di Padova, le principali applicazioni della tecnologia Plf riguardano la misurazione della quantità di latte prodotto (attraverso lattometri digitali e robot di mungitura) e del rilievo dell’estro.
I risultati delle stesse ricerche hanno evidenziato che le stalle con il maggior numero di installazioni erano quelle con un numero più elevato di capi in produzione. Un aspetto interessante emerso è che il fattore determinante nella scelta di un prodotto rispetto a un altro da parte degli allevatori era legato principalmente alla qualità del servizio di assistenza e alla semplicità d’uso del sistema.
La situazione odierna circa la diffusione della Plf conferma il ruolo principale dei sistemi nati per il rilievo dell’estro, evolutisi tramite la misura della ruminazione, in sistemi completi per la gestione non solo del comparto riproduttivo, ma anche di quello del rilievo delle patologie e conseguentemente del benessere.
Infatti, la ruminazione svolge un ruolo fondamentale nell’ottimizzazione delle attività zootecniche, poiché permette di aumentare il potere informativo relativo all’attività motoria, favorendo altresì l’individuazione del momento ideale per l’inseminazione. Inoltre, essa rappresenta uno strumento utile per rilevare condizioni patologiche subcliniche, come dismetabolismi e mastiti, contribuendo così al monitoraggio della salute degli animali
L’altro contesto nella quale si conferma l’importanza strategica della Plf è quello legato alla acquisizione dei dati produttivi. Sicuramente in tale contesto la sempre maggiore diffusione dei robot di mungitura rappresenta la principale tendenza per il futuro.
Il robot di mungitura utilizza i sensori per il suo funzionamento (soprattutto telecamere) e per misurazioni legate alla produzione di latte: quantità, flusso, conducibilità elettrica. Tramite moduli aggiuntivi è poi possibile ottenere misurazioni nel vicino infrarosso delle caratteristiche qualitative del latte quali percentuale di grasso e di proteine.
Per ultimo, ma non per importanza, sono disponibili misure (effettuate con metodi diversi) delle cellule somatiche totali, misurate in quanto tali o stimate tramite approcci automatizzati del California mastitis test.
La zootecnia di precisione domani
La crescente diffusione dei sistemi di Plf porta con sé una serie di riflessioni sul futuro di questa importante area della zootecnia. Tali riflessioni devono necessariamente affrontare le principali criticità attuali e individuare le esigenze di sviluppo, con un’attenzione particolare al settore del software.
Uno dei problemi principali è rappresentato dal fatto che i sistemi informatici che gestiscono i diversi dispositivi raramente sono compatibili tra loro, limitando la possibilità di interazione tra prodotti in azienda. Questo obbliga gli allevatori a un utilizzo frammentato dei sistemi, con l’ulteriore necessità di inserire manualmente i dati in ciascuna piattaforma.
Tale barriera, probabilmente la più rilevante, frena il pieno sfruttamento dei benefici offerti dalla sensoristica installata e ostacola la realizzazione di database centralizzati, che potrebbero raccogliere in modo integrato tutti i dati generati dal Plf nelle aziende.
La mancanza di integrazione tra i vari sistemi porta alla conseguente incapacità di generare informazioni che valorizzino l’analisi aggregata dei dati provenienti da diverse fonti. Quale esempio, la mancata elaborazione “congiunta” dei dati della produzione di latte, con quelli dell’attività motoria e della ruminazione preclude la produzione di più dettagliati avvisi o allarmi circa lo sviluppo di mastiti e/ dismetabolie subcliniche.
Inoltre, questo aspetto limita la costituzione di grandi database o di veri e propri big data, presupposto per la valorizzazione e la diffusione dell’intelligenza artificiale in questo settore.
Per risolvere questa criticità risulta imperativo sviluppare protocolli di condizione dei dati provenienti dai differenti sistemi informatici.
Caratteristiche dei big data
Infatti, al momento, i big data propriamente detti sono piuttosto rari nel settore della zootecnia, dove con il termine big data si fa riferimento a raccolte di dati di dimensioni enormi, frequentemente disomogenei e privi di struttura, che si espandono a un ritmo esponenziale e risultano eccessivamente complessi per essere gestiti con strumenti tradizionali, come i classici database relazionali basati su Sql.
Le caratteristiche dei big data sono descritte come le “5 V”: Volume, Velocità, Varietà, Veridicità e Valore.
Per Volume si intende la quantità di dati (terabyte o petabyte), per Velocità ci si riferisce alla rapidità con cui i dati vengono generati e raccolti, spesso in tempo reale, per Varietà si considerano le diverse fonti di differente tipo (con dati strutturati quali i database e non strutturati quali immagini e video). La Veridicità fa riferimento alla qualità e all’affidabilità dei dati e infine il Valore considera il potenziale dei dati per essere trasformati in informazioni utili e in decisioni concrete.
L’obiettivo è analizzare questi dati per estrarre informazioni di valore, prendere decisioni migliori, ottimizzare processi e creare strategie aziendali più efficaci.
I big data, a causa della loro intrinseca complessità e vastità, necessitano dell’utilizzo di tecnologie avanzate e metodi analitici specifici, tra cui l’intelligenza artificiale (AI), rispetto ai quali i sistemi tradizionali risultano inadeguati. Tali approcci consentono di individuare schemi nascosti, effettuare previsioni su tendenze future, ottimizzare l’efficienza operativa e favorire lo sviluppo di nuovi prodotti e servizi.
L’importanza dei grandi database e dei big data nella diffusione dell’intelligenza artificiale risiede nelle peculiari modalità di funzionamento che questa tecnologia presenta. Nell’ambito dell’AI nellasua forma più avanzata, caratterizzata dal machine learning o apprendimento automatico, si identifica una fase cruciale di apprendimento che può essere svolta sotto la supervisione umana (apprendimento supervisionato) oppure avvenire in maniera completamente automatizzata.
La modalità più sofisticata di machine learning si basa sull’impiego delle reti neurali artificiali, le quali necessitano di un processo di apprendimento supportato da un insieme di dati strutturati che fungono da input e output per l’elaborazione della rete.
Una rete neurale può essere rappresentata da un grafo composto da una serie di nodi interconnessi. Ogni nodo rappresenta un “neurone”. Nella sua forma più semplice è presente un livello di input, uno di output e un livello interno ai due, definito “nascosto”.
I dati passando tramite i differenti nodi vengono “pesati” (ovvero modificati) tramite opportuni “pesi” (valori) che vengono modificati in automatico dalla rete fino a generare un valore di output in linea con quello presente nella base dati usata per l’apprendimento.
Quando i valori di output prodotti dalla rete neurale sono sufficientemente simili a quelli del database di apprendimento la rete neurale è pronta per essere utilizzata con nuovi dati di input per creare nuove informazioni.
Da questa breve e semplicistica descrizione appare chiaro quanto sia importante il database usato per l’apprendimento; più è grande, completo e corretto tanto maggiore sarà il potere informativo della rete neurale artificiale.
Ecco perché è essenziale sviluppare sistemi di condivisione dei dati relativi ai differenti sistemi informatici di zootecnia di precisione, affinché sia possibile generale grandi database/big data da utilizzare per sviluppare sistemi di intelligenza artificiale in grado di creare informazioni aggregando i dati da differenti fonti: mungitura, attività motoria, ruminazione, ambiente, alimentazione, etc.
Inoltre, le reti neurali, in una loro forma evoluta, (reti neurali circonvolute) rappresentano lo strumento essenziale per la Computer Vision, intesa come strumento di identificazione e tracciamento continuo degli animali in azienda, rappresentando così uno strumento completo per analizzare l’attività motoria e il comportamento, caratterizzando particolari situazioni quali: alimentazione, riposo, calore, approssimarsi del parto e suo svolgimento, zoppie, etc.
Alcune considerazioni finali
Attualmente il maggiore vincolo alla diffusione della Computer Vision, oltre a specifiche criticità ambientali (livello di luminosità ambientale che caratterizza il contrasto degli animali, colore del mantello, sporco che si accumula sulle ottiche delle telecamere e sugli animali, ecc.) è l’enorme esigenza computazionale del sistema, che limita la diffusione dei sistemi commerciali già presenti sul mercato.
Un’ulteriore criticità, altrettanto rilevante, risiede nella non sempre sufficiente consapevolezza riguardo alle potenzialità effettive dei sistemi Plf implementati nelle aziende.
La soluzione a tale problematica risiede nella continua attività di informazione e formazione rivolta sia agli allevatori che ai tecnici. A questo obiettivo si orientano progetti come Autoprecisa e, in particolare, le iniziative di divulgazione promosse nell’ambito di tali programmi.
