INstructions from PLF Data Analysis to improve the CATtle farming
WP 2 - Modelli, simulazioni e monitoraggio integrato per ottimizzare le condizioni ambientali nelle stalle per bovini da latte. stalle per bovini da latte
I dati relativi a diversi parametri della produzione, del comportamento e dell’attività delle vacche, della salute e del benessere degli animali vengono raccolti da diversi sensori (ad esempio, sistema di mungitura automatica con registrazione dei dati delle singole vacche, etichette di attività come pedometri o collari da collo, marche auricolari per il monitoraggio della ruminazione, alimentatori automatici di concentrato) e utilizzati per la gestione quotidiana della mandria. Nella maggior parte dei casi, ogni serie di dati viene raccolta, elaborata e finalizzata a un unico scopo, costituendo un “blocco di conoscenza” isolato.
In questo contesto, il monitoraggio continuo e preciso della posizione di una singola vacca e il monitoraggio spazialmente distribuito di tutti i principali parametri ambientali della stalla (temperatura, umidità, velocità e qualità dell’aria) possono fornire un ulteriore “blocco di conoscenza” utile per la gestione quotidiana della mandria e per l’ottimizzazione a lungo termine dei processi decisionali relativi all’aggiornamento delle attrezzature e all’adeguamento della stalla.
Questo WP si propone di fornire criteri di progettazione e gestione per ottimizzare le condizioni ambientali nelle stalle per bovini da latte, attraverso l’integrazione di sistemi di monitoraggio eterogenei, lo sviluppo di sistemi integrati per il monitoraggio delle condizioni ambientali, della posizione e del comportamento degli animali, lo sviluppo di protocolli per il monitoraggio delle condizioni ambientali.
WP 3 - Sistema automatico per il monitoraggio delle vacche da latte al pascolo o nella linea vacca-vitello
L’obiettivo del WP3 è quello di sviluppare un sistema automatico di monitoraggio delle vacche da latte al pascolo o delle vacche nella linea vacca-vitello, che sia economicamente sostenibile per gli agricoltori e accettabile dalle comunità locali.
Il monitoraggio riguarderà la localizzazione in tempo reale delle vacche al pascolo e il riconoscimento della loro attività comportamentale. Per raggiungere questo obiettivo, sarà necessario sviluppare un prototipo di sistema IoT basato sull’uso di tecnologie di comunicazione LPWAN (low-power wide-area network) e di sistemi informativi geografici (GIS). Dall’analisi della letteratura emerge che gli studi sull’attività di pascolo, realizzati con sistemi di monitoraggio spesso non personalizzati per l’allevamento, sono finalizzati soprattutto a valutare l’attività di alimentazione degli animali per correlarla alla qualità e alla quantità dei prodotti zootecnici (latte e carne). Altri studi hanno mostrato come lo sviluppo di sistemi di monitoraggio automatico più adatti all’allevamento debba colmare alcune lacune tecnologiche e inoltre mancano di integrazione GIS per valutare il potenziale impatto ambientale dell’allevamento estensivo. L’utilizzo del prototipo sviluppato in INDACAT combinato con l’applicazione di metodologie GIS permetterà di valutare l’impatto del pascolo sul degrado del suolo.
WP 4 -Sviluppo e test di nuovi strumenti automatizzati per monitorare le interazioni sociali tra le bovine da latte
L’obiettivo principale del WP4 è sviluppare e testare nuovi strumenti automatizzati per monitorare le interazioni sociali tra i bovini da latte ed esplorare i possibili usi dei dati raccolti lungo la catena produttiva.
WP 5 - Utilizzo di strumenti PLF per l'allevamento di vitelle e manze
L’obiettivo del WP5 è valutare l’effetto di diverse tecniche per monitorare e migliorare la crescita dei vitelli femmina dalla nascita, allo svezzamento e all’età della manza, valutando la sostenibilità degli approcci studiati rispetto alle implicazioni ambientali, economiche e sociali sulle aziende agricole e al loro potenziale di investimento e innovazione. Il benessere del vitello e lo svezzamento sono aspetti delicati della sua vita e influenzano la vacca nel lungo periodo, influenzando la sua resistenza a malattie e stress e le sue prestazioni.
Il progetto è finanziato nell’ambito dei Progetti di Ricerca di rilevante Interesse Nazionale – 2022 – finanziato dall’Unione Europea Next Generation EU
Italian 
English