Allevamenti 4.0: studio di nuove strategie per la rilevazione precoce della chetosi nei bovini da latte con soluzioni sensoristiche innovative
Author(s)
Giovinazzo, Simone
Date Issued
May 29, 2025
Type
Doctoral Thesis
Abstract
La rapida crescita della popolazione connessa ai cambiamenti qualitativi e quantitativi della domanda alimentare costituisce un'importante sfida per il comparto zootecnico bovino, che deve promuovere una necessaria intensificazione dell'efficienza produttiva che sia tuttavia compatibile con il benessere animale. L’allevamento intensivo, pur essendo più efficiente in termini di controllo dei processi produttivi ed utilizzo delle risorse, comporta un incremento delle rese produttive per capo che può tradursi in un aumento dell'incidenza dei disordini metabolici, a causa del possibile superamento dei limiti fisiologici derivanti dalla naturale capacità di adattamento degli animali.
La chetosi ne è un esempio, una patologia comune nelle vacche da latte ad alta produzione, che manifestano un mutato metabolismo di carboidrati ed acidi grassi con un eccessivo accumulo di corpi chetonici nell'organismo. Tale patologia si caratterizza per un notevole impatto sulla sostenibilità economica della filiera lattiero-casearia a causa delle ripercussioni negative sul benessere, sulla produttività e sul rendimento riproduttivo della bovina da latte. Per questo motivo, il monitoraggio continuo e una diagnosi precoce e non invasiva della malattia, prima della manifestazione clinica dei sintomi, sono fondamentali per un trattamento sanitario tempestivo e per un miglioramento della sostenibilità economica ed ambientale delle pratiche zootecniche. In questo scenario, la crescente digitalizzazione nell'allevamento animale fornisce un supporto considerevole alle scelte decisionali dell’allevatore, grazie alla raccolta, all'elaborazione e alla comprensione in tempo reale dei parametri fisiologici e comportamentali della mandria.
Per questo motivo, l'obiettivo della mia ricerca è stato quello di applicare e convalidare soluzioni innovative basate su sensori per migliorare la sorveglianza della chetosi, diminuendo la dipendenza da campionamenti manuali di sangue e da pratiche invasive di manipolazione degli animali. Le due tecnologie adottate per caratterizzare lo stato metabolico delle bovine da latte sono state i) un analizzatore della composizione del respiro, per rilevare i livelli di acetone e altri corpi chetonici nel fiato degli animali; ii) un analizzatore delle componenti del latte, basato su spettroscopia NIR e sull'elaborazione dei dati ottenuti utilizzando i principi teorici dell'aquaphotomics.
I risultati ottenuti suggeriscono la validità di queste soluzioni come strumenti di monitoraggio in grado di integrare i metodi diagnostici tradizionalmente impiegati negli allevamenti per la diagnosi di chetosi. Questa ricerca, pertanto, apre la strada allo sviluppo di sistemi automatizzati per il controllo in tempo reale dello stato di salute della mandria, in linea con i principi del Precision Livestock Farming.
The rapid growth of the population, combined with qualitative and quantitative changes in food demand, represents a significant challenge for the cattle livestock sector, which must promote a necessary intensification of production efficiency that is compatible with animal welfare. Intensive farming, while being more efficient in terms of control of production processes and use of resources, leads to an increase in production yields per cattle, which can result in a higher incidence of metabolic disorders, due to the exceeding of physiological limits imposed by the animals' natural adaptive capacity.
Ketosis is an example, a common disease in high-yield dairy cows that experience an altered metabolism of carbohydrates and fatty acids, resulting in an excessive accumulation of ketone bodies. Such a disease has a significant impact on the economic sustainability of the dairy industry due to its negative effects on the welfare, productivity, and reproductive performance of dairy cows. For this reason, continuous monitoring and early, non-invasive diagnosis of the disease, before the clinical manifestation of symptoms, are essential for timely health treatment and for improving the economic and environmental sustainability of livestock farming practices. In this scenario, the increasing digitalisation of animal farming provides considerable support for farmers' decision-making processes, thanks to the real-time collection, processing, and understanding of the physiological and behavioural parameters of the herd.
For these reasons, this research aims to apply and validate innovative sensor-based solutions to improve ketosis surveillance, reducing the dependence on manual blood sampling and invasive animal handling practices. The two technologies adopted to characterise the metabolic state of dairy cows are i) a breath composition analyser, to detect acetone levels and other ketone bodies in the animals' breath; ii) a milk component analyser, based on near-infrared spectroscopy and data processing founded on the theoretical principles of aquaphotomics.
The results obtained suggest the validity of these solutions as monitoring tools capable of integrating the diagnostic methods traditionally used in farms for ketosis diagnosis. This research, therefore, paves the way for the development of automated systems for the real-time monitoring of herd health, in line with the principles of Precision Livestock Farming.
Additional information
Dottorato di ricerca in Engineering for Energy and Environment